A.深度学习采用多层前向神经网络
B.神经网络的隐藏层数量体现了网络的“深度”,一般应具有多个隐藏层
C.深度神经网络相邻层节点之间有连接,但不一定是全连接
D.深度神经网络同一层及跨层节点之间无连接
A.深度学习采用多层前向神经网络
B.神经网络的隐藏层数量体现了网络的“深度”,一般应具有多个隐藏层
C.深度神经网络相邻层节点之间有连接,但不一定是全连接
D.深度神经网络同一层及跨层节点之间无连接
A.多层前向神经网络一般需要同一层神经元间相互连接
B.深度学习一般使用具有多个隐藏层的神经网络
C.训练神经网络的主要目的是学习神经元间的连接权值
D.卷积神经网络(CNN)可以逐层抽取数据特征实现自动特征学习
A.人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层
B.卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性,这种连接恰好也符合生物神经元的稀疏性响应特性
C.卷积神经网络有两个基本概念:权值共享和池化。权值共享使权值参数的个数减小;池化可以使特征图减小,简化计算
D.损失函数层的作用是用来估算模型的预测值与实际值的差距的函数,它是一个非负的实数值函数,它的值越小,反应该网络的数据拟合性能越好,也就是其结果越逼近原始输入数据
A.感知机网络是一种特殊的前馈神经网络
B.感知机网络具有一层隐藏层
C.感知机网络没有隐藏层
D.感知机网络不能拟合复杂数据
A.单个感知器可以实现线性分类。
B.神经元是神经网络的基本组成单元。
C.多层神经网络由输入层、隐藏层和输出层组成。
D.多个感知器可以解决非线性问题的分类。
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!