A.隐藏层数适当减少,神经网络的分辨能力不变,,,
B.隐藏层数适当增加,神经网络的分辨能力越强
C.隐藏层数适当减少,神经网络的分辨能力越强
D.隐藏层数适当增加,神经网络的分辨能力越弱
第3题
A、当新的数据量少且数据与原数据集类似,可以对输出层训练即可,不需要对模型参数做过多的调整。
B、使用预训练模型意味着难以自由改变网络结构和参数,限制了其应用场合。
C、当新数据量比较大,且数据与原数据类似,可对预训练模型的所有层以较大的学习率微调。
D、当新数据量少,且数据和原数据集差异较大,那么除了对输出层微调外,还要对顶层以下的层数进行大调。
第4题
B.下行MU-MIMO生效后,用户下行平均MCS、平均RANK会抬升
C.用户信道质量好但用户分布集中情况下,下行MU-MITO生效时,存在用户下行吞吐率下降风险
D.下行MU-MIMO生效后,下行调度用户数变多,会消耗更多CCE资源
第7题
A、评估学习方式、有标注信息学习方式、端到端学习方式
B、有标注信息学习方式、端到端学习方式、端到端学习方式
C、评估学习方式、端到端学习方式、端到端学习方式
D、无标注学习、有标注信息学习方式、端到端学习方式
第8题
A、每个卷积层中的卷积核都需要处理全部接受到的信息
B、卷积神经网络是目前网络深度最深的深度神经网络模型之一
C、卷积核用来实现对输入信号的各种处理,不同的卷积核实现不同的功能
D、池化操作对多个卷积核得到的信息进行降维,只保留重要信息
第9题
A、是目前网络深度最深、应用最成功的深度学习模型
B、卷积神经网络模拟了人类视觉信息处理的过程
C、图像的卷积,很类似视觉皮层对图像进行某种特定功能的处理
D、模拟大脑的视觉处理过程就是卷积神经网络的思路
第10题
A、人获得的声音特征一般更好,可解释性性强
B、深度学习直接处理声音波形数据获得的特征更全面,因此对声音的分类效果可能比较好
C、声音的特征可以用卷积神经网络直接处理时域信号就可以获得较好的性能
D、通过人工和卷积神经网络结合的方式获得特征综合性能更好
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!