以下不属于超参的是哪个因素?
A.激活函数
B.学习步长(率)和冲量引子
C.输出编码形式
D.mini-batch的样本数
A.激活函数
B.学习步长(率)和冲量引子
C.输出编码形式
D.mini-batch的样本数
A、通过正则化可以减少网络参数的取值或个数,一定程度可能减少过拟合
B、通过增加数据扰动的数据增强增加了神经网络的过拟合
C、利用L1或L2正则化可以使权重衰减,从而一定程度上减少过拟合
D、在神经网络训练过程中类似dropout减少神经元或相关链接权的数量
A、对于分类问题,数据增强是减少数据不平衡的一种方法。
B、对于手写体的识别,对样本的反转、旋转、裁剪、变形和缩放等操作会提高神经网络的识别效果
C、数据增强会增加样本的个数,因此可能会减少过拟合
D、数据增强带来了噪声,因此一般会降低神经网络模型的效果
A、机器学习是人工智能的核心技术之一,也是实现人工智能的重要基础。
B、深度学习与机器学习是相对独立的技术
C、深度学习算法和传统的机器学习算法构成了机器学习理论体系
D、深度学习是处理计算机视觉、听觉和文字的有效机器学习技术,促进了人工智能的应用和发展
A、深度学习可以解决任意的机器学习问题
B、深度学习比较适合处理有大量样本的视频、图像、声音、文本等多模态数据的分析,这些数据的分析需要人工进行特征提取,这是与传统的机器学习不同的
C、对于分类问题,深度学习算法一定优于传统的机器学习算法
D、深度学习的基础是神经网络,因此深度学习算法基本可以使用梯度下降法
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!