判断题卷积神经网络中的卷积层实现特征提取,池化层实现特征降维,全连接层为分类器。
您可能感兴趣的试卷
你可能感兴趣的试题
3.判断题单个感知器算法的局限是只能用于线性分类。
6.判断题概率型学习网络具有内部反馈。
7.判断题逐层更新法可以用于反馈型网络的学习。
10.判断题感知器算法采用Hebb学习规则。
最新试题
参数估计是已知概率密度的形式,而参数未知。
题型:判断题
理想的判据应该对特征具有单调性,加入新的特征不会使判据减小。
题型:判断题
当各类的协方差矩阵相等时,分类面为超平面,并且与两类的中心连线垂直。
题型:判断题
下面关于超平面的说法中正确的是()。
题型:多项选择题
k-近邻法中k的选取一般为偶数。
题型:判断题
特征选择常用的次优算法有顺序前进法,顺序后退法和动态顺序前进法三种。
题型:判断题
概率密度函数的参数估计需要一定数量的训练样本,样本越多,参数估计的结果越准确。
题型:判断题
测试集的样本数量越多,对分类器错误率的估计就越准确。
题型:判断题
过拟合不会影响分类模型的泛化能力。
题型:判断题
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。
题型:判断题