A.初始权向量设置
B.学习速率
C.样本处理顺序不同
D.学习规则
您可能感兴趣的试卷
你可能感兴趣的试题
A.感知器具有多路输入、单路输出
B.感知器没有反馈和内部状态
C.感知器将输入信号加权求和与阈值比较,当信号加权和大于阈值时输出1,当信号加权和小于阈值时输出0
D.单个感知器可以解决非线性分类问题
A.梯度下降法
B.最小均方误差
C.最大均方误差
D.平均值法
A.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值减小的方向
B.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值增加的方向
C.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值不变的方向
D.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值发生变化的方向
A.随机梯度下降法最终收敛的点不一定是全局最优
B.随机梯度下降法最终收敛的点一定是全局最优
C.无论随机梯度下降法存不存在最终收敛的点,一定可以找到最优解
D.无论随机梯度下降法存不存在最终收敛的点,一定不能找到最优解
A.不可以
B.可以
C.步长取值可以任意
D.其余三种说法都不对
A.存在不可识别区域较多的问题
B.多分类线性判别函数形式复杂
C.多分类线性判别函数的意义不明确
D.分类器的整体性能比较好
A.仅有一个判别函数值大于0
B.有两个判别函数值大于0
C.三个判别函数值都小于0
D.三个判别函数值都大于0
最新试题
C均值聚类算法对噪声和孤立点不敏感。
在进行交叉验证时,一般让临时训练集较大,临时测试集较小,这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。
分级聚类又叫层次聚类,需要构建聚类树。
参数估计是已知概率密度的形式,而参数未知。
剪辑近邻法去除的是远离分类边界,对于最后的决策没有贡献的样本。
顺序后退法(SBS)是从0个特征开始,每次从已经入选的特征中剔除一个特征,使得仍保留的特征组合所得到的J值最大,是一种特征选择的最优算法。
概率密度函数的估计的本质是根据训练数据来估计概率密度函数的形式和参数。
在感知器算法中训练样本需要经过增广化处理和规范化处理。
ID3方法的目的是降低系统信息熵。
利用神经网络对两类问题进行分类时,可以用一个输出节点来实现。