以下关于人工神经网络(ANN)的描述正确的说法是 哪个?
A.神经网络对训练数据中的噪声不敏感,因此数据质量可以差一些也没关系。
B.不能确定输入属性的重要性。
C.训练ANN是一个很耗时的过程。
D.只能用于分类。
A.神经网络对训练数据中的噪声不敏感,因此数据质量可以差一些也没关系。
B.不能确定输入属性的重要性。
C.训练ANN是一个很耗时的过程。
D.只能用于分类。
A. 因为ANN深人到人脑细胞,在人的知识的获取方面也比ES更深人
B. ANN的实现首先要获得知识和表示知识
C. ES的实现首先要获得知识和表示知识
D. ES和ANN的工作原理基本上是一致的
A、在FNN中,输入信号的传递方向是明确的,并不存在反向信号传递
B、一个标准的前馈神经网络只有一个输入层和一个输出层
C、FNN的同层神经元之间存在连接
D、FNN的输出结果只能是向量
A、如果参数较多,则容易导致过拟合。而减少参数有助于避免过拟合
B、参数共享的优势是通过一个任务上学习到的参数可以直接应用到另外一个任务上
C、可以允许一个特征检测器在整个输入图像的不同位置使用,即可以把参数看成是卷积提取特征的方式,该方式与位置无关
D、参数越多,才能避免过拟合,减少参数容易导致过拟合
A、激活函数的目标是为了提高模型训练的速度。
B、神经网络中一定要有激活函数。
C、线性模型通过增加更多变量可以解决线性不可分问题。
D、神经网络中需要使用非线性激活函数。
A、模型的评价指标中F1值只与准确率(Precision)、查全率(Recall)相关。
B、模型的评估指标多种多样,可以自定义实现。
C、在样本不平衡的情况下,一般采用查全率作为评价指标。
D、AUC指标是指ROC曲线下面积,其值越大说明模型性能越好。
A、损失函数定义了机器在学习特征过程中的规则,即定义了学习的目标。
B、自定义损失函数中最多只能加一项正则化因子。
C、损失函数通常作为学习准则与优化问题相联系,即通过最小化损失函数求解和评估模型。
D、在深度学习中最常用的0-1损失函数。
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!