题目内容（请给出正确答案）

[主观题]

哪些权重的取值或调整方法可以改善卷积神经网络的训练和性能？

A、He初始化

B、batch normalization

C、dropout

D、任意随机初始化

提问人：网友mee1224 发布时间：2022-01-07

参考答案

查看官方参考答案

如搜索结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装简答题APP，拍照搜题省时又省心！

更多“哪些权重的取值或调整方法可以改善卷积神经网络的训练和性能？”相关的问题

第1题

在神经网络中常有权重共享现象,以下哪些神经网络会发生权重共享?()

A、卷积神经网络

B、循环神经网络

C、全连接神经网络

D、感知器

点击查看答案

第2题

下列哪个神经网络结构会发生权重共享()

A、卷积神经网络

B、循环神经网络

C、全连接神经网络

D、选项A和C

点击查看答案

第3题

交叠池化（即池化核大小比步长大）可以减少特征图的信息损失，但增加了计算量

点击查看答案

第4题

batchnormalization(BN)可以改善网络训练的稳定性，但也会一定程度上影响卷积神经网络的分类性能

点击查看答案

第5题

卷积神经网络最后都需要2层或多层全连接层，才能起到分类的功能

点击查看答案

第6题

大的卷积核可以获得大粒度的特征，而小的卷积核可以获得比较局部的图像特征

点击查看答案

第7题

GoogLeNet中1X1卷积核的作用是控制输入的通道个数，减少卷积操作参数，还能起到shortcut的作用

点击查看答案

第8题

阅读算法攻破人脸识别“口罩”难题，两天落地千人小区准确率达97％链接：https://new.qq.com/omn/20200218/20200218A0A04O00.html，讨论卷积神经网络在实际应用过程中可能碰到的问题以及解决方法。

点击查看答案

第9题

有关循环神经网络（RNN）的说法，以下哪个说法是错误的？

A、RNN的隐层神经元的输入包括其历史各个时间点的输出

B、在各个时间点，RNN的输入层与隐层之间、隐层与输出层之间以及相邻时间点之间的隐层权重是共享的，因为不同时刻对应同一个网络

C、RNN比较擅长处理时序数据，例如文本的分析

D、RNN的损失函数度量所有时刻的输入与理想输出（导师值）的差异，需要使用梯度下降法调整参数不断降低损失函数

点击查看答案

警告：系统检测到您的账号存在安全风险

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！

微信搜一搜

简答题

点击打开微信

警告：系统检测到您的账号存在安全风险

抱歉，您的账号因涉嫌违反简答题购买须知被冻结。您可在“简答题”微信公众号中的“官网服务”-“账号解封申请”申请解封，或联系客服。

微信搜一搜

简答题

点击打开微信