A.BP网络是是一种按误差反向传播算法训练的多层前馈网络。
B.BP算法由数据流的前向计算(正向传播)和误差信号的反向传播两个过程构成。
C.在BP算法中数据流的正向传播时,数据的传播方向是输入层→隐层→输出层。
D.在BP算法中数据的正向传播和误差的反向传播是同时进行的。
第1题
A、是典型的分层前馈神经元网络
B、BP神经网络的基本网络结构从多层感知器而来
C、相邻两层神经元之间是全连接的
D、BP网络中每个神经元学习的规则不是误差反馈学习
第2题
A、多层神经网络由输入层、隐藏层和输出层组成。
B、多层神经网络的各层神经元之间通过可修正的权值互联。
C、多层神经网络的同一层的神经元之间通过可修正的权值互联。
D、多层神经网络可以实现非线性判别。
第3题
A、采用误差反向传播的负梯度下降算法调整网络权值
B、BP网络是一种前向网络结构
C、神经网络的层内之间不存在连接
D、前一层的神经元和后一层的神经元存在部分连接关系
第4题
A、在选择神经网络的层数时,隐藏层的层数应该是越少越好。
B、神经网络的模型受到神经元的传递函数、网络结构和连接权值的学习这三个因素的影响。
C、在多层前馈网络中,若隐层节点数量太少,会出现欠学习的问题。
D、在多层前馈网络中,若隐层节点数量太少,会出现过学习的问题。
第5题
A、ReLU非线性激活函数的收敛速度比Sigmoid快一些
B、在限制神经元总数的情况下,增加网络的宽度要比增加网络的深度能带来更强的网络表示能力
C、激活函数为Tanh的深层神经网络可以看成一个复合的非线性多元函数
D、输入一个300*300的彩色图,经过10个5*5的卷积核,隐层的参数量为750(包括偏置)
第7题
A、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。
B、神经网络实现多类问题的分类时可以用多个神经网络组合来实现。
C、利用神经网络来实现多类问题的分类时,可以采用一个具有的多个输出节点的神经网络来实现。
D、在利用神经网络进行分类时,神经网络的输入节点的个数多于输入的特征数量。
第8题
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。
第9题
A、Hopfield神经网络是前馈型神经网络
B、Hopfield神经网络的每个神经元都和其他神经元相连
C、连续型Hopfield神经网络的神经元的状态可以取0至1之间的任一实数值
D、Hopfield神经网络引入了“计算能量函数”的概念
第10题
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
为了保护您的账号安全,请在“上学吧”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!