A.同一类
B.不同类
C.同一应用
D.不同应用
第1题
A.典型的卷积神经网络是由卷积层、池化层和全连接层等组成
B.卷积神经网络训练时学习的是每层神经元的值
C.AlexNet是一个8层的卷积神经网络
D.目标检测网络Yolo网络结构中包含卷积层
第2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3题
A.LeNet-5是卷积神经网络
B.池化层可以非常有效地缩小参数矩阵的尺寸,从而减少后面的卷积层或者全连接层中的参数数量。
C.与全连接的神经网络相比,CNN应用于图像处理时可能会导致一个严重的参数数量的膨胀的问题。
D.卷积层的特点是参数共享
第4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7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8题
A.卷积核中的取值都是事先人工设计的,在网络的训练过程中不变化
B.共享权重大大减少了参数的个数,降低了网络的复杂度
C.通过增加卷积核的大小和通道的个数,可以提升卷积神经网络特征获取的能力
D.卷积核越大,即感受野越大,网络需要优化的参数越少,训练速度越快
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!