神经网络对噪音数据具有高承受能力，并能对未经过训练的数据具有分类能力，但其需要很长的训练时间而对于有足够长训练时间的应用更合适（）

神经网络对噪音数据具有高承受能力，并能对未经过训练的数据具有分类能力，但其需要很长的训练时间，因而对于有足够长训练时间的应用更合适。()

A、BP训练算法

B、PB训练算法

C、MC训练算法

D、AP训练算法

A、对于非数值型的属性，可以使用独热（onehot)编码或模糊化转换成数值

B、连续性属性可以采用最小最大值归一化，减少数值过大和不同属性量纲不同对网络的影响

C、预处理与否对神经网络的训练速度和分类准确率影响比较大

D、BP神经网络的输入属性不需要筛选，因为网络本身有特征获取能力

在大数据和大计算能力的支撑下，深度卷积神经网络的视觉识别能力，在许多国际公开测评中，达到或超过了人类水平。( )

A、神经网络权重的初始化大小会对网络的训练结果影响。

B、使用增加训练次数的方法不一定可以减少代价函数的取值。

C、对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素。

D、分析问题确定后，神经网络合适的结构就可以确定。

A、神经网络对训练数据中的噪声不敏感，因此数据质量可以差一些也没关系。

B、不能确定输入属性的重要性。

C、训练ANN是一个很耗时的过程。

D、只能用于分类。

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。