下面那些会影响神经网络的深度选择的因素？（)

A.更快的计算能力

B.神经网络是一个新领域

C.可以获得更多的数据

D.性能更好的算法

A.卷积神经网络

B.深度置信网络

C.循环神经网络

D.大数据神经网络

A、深层神经网络

B、深度学习

C、矩阵运算

D、选择、交叉、变异

A.多层人工神经网络模型可以有很强的特征学习能力。

B.深度学习模型对原始数据有更本质的表达。

C.深度神经网络可以采用逐层训练方法进行优化。

D.训练时可以将上层训练好的结果作为下层训练过程中的初始化参数。

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.卷积神经网络可以逐层抽取数据特征实现自动特征学习

A.BP神经网络是前馈神经网络

B.BP神经网络的参数权重值是由反向传播学习算法进行调整的

C.BP神经网络模型拓扑结构包括输入层、隐层和输出层

D.BP神经网络利用激活函数来实现从输出到输入的非线性映射

A.卷积矩阵(卷积核)

B.网络层数

C.目标函数

D.输入端和输出端的维数

A.目标检测常使用深度学习中卷积神经网络模型

B.训练好的目标检测算法可以用于边缘计算

C.机器视觉场景往往需要应用边缘计算

D.边缘计算就是一种人工智能

B．李飞飞发起创建了ImageNet项目,自2010年开始,ImageNet每年举行大规模视觉识别挑战赛,2012年由多伦多大学在挑战赛上设计的深度卷积神经网络算法,被业内认为是深度学习革命的开始。

C．2012年吴恩达及其团队进行大规模无监督式机器学习工作,向世人展示了一个超强的神经网络,它能够在自主观看数千万张图片之后,识别那些包含有小猫的图像内容。

D．以上都是。