您可能感兴趣的试卷
你可能感兴趣的试题
A.是层数较多的大规模神经网络
B.逐层抽象,发现数据集的特征
C.需要大规模并行计算能力的支持
D.需要大量样本进行训练
A.全连接网络计算大
B.隐层神经元数量难以确定
C.容易陷入局部极小值
D.无法做到深度很深,会产生梯度消失
A.输入权向量
B.偏置量θ
C.网络结构
D.激活函数
A.由简单单元构成复杂网络
B.能够大规模并行计算
C.能够分布式存储信息
D.具有非线性逼近能力
E.具有自适应学习能力
A.前馈网络表达输入和输出之间的映射关系
B.前馈网络表达输出与输入的共同作用
C.反馈网络表达输入和输出之间的映射关系
D.反馈网络表达输出与输入的共同作用
E.前馈网络为静态网络
F.前馈网络为动态网络
G.反馈网络为静态网络
H.反馈网络为动态网络
I.前馈网络输出不作用在网络的输入中
J.反馈网络下一时刻的输出与上一时刻的输出有关
A.玻尔兹曼机是一种存在全互联的神经网络模型
B.玻尔兹曼机学习结果是使得网络的输入输出联合概率分布与训练集样本的输入输出联合概率分布接近
C.玻尔兹曼机的学习过程是调整权向量和网络结构的过程
D.玻尔兹曼机使用李雅普诺夫能量函数描绘网络状态演化的结果
A.LeNet中使用的是均值池化
B.均值池化可以较好地保留图像的背景信息
C.均值池化在处理图像时,图像的边缘会被钝化
D.均值池化在物体轮廓等特征提取中更有效
A.激活函数
B.权值
C.阈值
D.隐层单元
最新试题
ID3方法的目的是降低系统信息熵。
分级聚类又叫层次聚类,需要构建聚类树。
贝叶斯估计中是将未知的参数本身也看作一个随机变量,要做的是根据观测数据对参数的分布进行估计。
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。
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。
k-近邻法中k的选取一般为偶数。
隐含层或输出层具有激活函数。
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。
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。
基于数据的方法适用于特征和类别关系不明确的情况。