A.随着神经网络隐藏层数的增加,模型的分类能力逐步减弱
B.单层感知器的局限在于不能解决异或问题
C.前馈神经网络可用有向无环图表示
D.前馈神经网络同一层的神经元之间不存在联系
第1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
第2题
A、感知器模型的激活函数可导,可以通过梯度下降求解损失函数最小值
B、损失函数用于衡量当前权重在整个数据集上的总误差
C、标准神经元每个输入端具有不同的权重
D、Sigmoid函数是连续可导的,同时具有“两极分化”的特点
第3题
A、它可以解决高斯混合模型方法中的过平滑问题
B、它具有较强的处理高维数据的能力,通常直接使用原始高维的谱包络特征练模型
C、它通过深层次神经网络模型的非线性建模能力,建立源说话人和目标说话人之间的映射关系
D、它会给转换特征带来过平滑的问题,导致语音的音质下降
第5题
A、符号主义与经验主义是统一的,是经验主义解决问题的方式
B、现阶段主流的人工神经网络方法属于连接主义
C、人工智能的发展经历了从“逻辑智能”到“计算智能”再到“认知智能”的转变
D、IBM的“深蓝”以及“Watson”都属于计算智能的典型代表作
第6题
A、早期的人工智能竞技方法下,计算机下棋技术已经完全以“自动推理”为主流
B、Chinook跳棋程序是状态空间搜索的里程碑,它真正实现了用计算机密集搜索来解答复杂问题
C、AlphaGo提出了一套全新的搜索求最优解的方法论
D、AlphaZero将蒙特拉洛树搜索算法生成的对弈数据,作为神经网络的训练数据
第7题
A、类脑计算机、类脑机器人属于产品层
B、机器视觉、听觉感知、多模态协同感知、自然语言理解等属于软件层
C、脉冲神经网络、大脑可塑性机制、脑图谱等属于基础理论层
D、类脑芯片属于硬件层
第8题
A、三种方法都要建立源说话人和目标说话人间语音特征的映射关系
B、码本映射法通过源说话人和目标说话人码本间的映射关系保证语音内部频谱的连续性
C、高斯混合模型法用混合高斯分布模型表示语音的声学特征
D、深度神经网络法可以建立源说话人和目标说话人间的非线性映射关系
第9题
A、神经网络输入输出节点个数由样本数量决定
B、神经网络输入和输出节点没有统一的计算方法,可以根据经验确定
C、神经网络输入输出节点个数取决于要逼近的函数输入和输出变量个数
D、以上说法都错误
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!