对于卷积神经网络而言，减少梯度消失不适合采用以下哪些方法（)？

A.减少了计算量

B.ResNet的梯度通过shortcut回到更早的层，缓解了网络因为深度增大导致的梯度消失

C.引入残差模块，简化了学习

D.改善了网络的特征获取能力

A.增加可调整参数的隐层数目

B.使用图像进行旋转、裁剪、拉伸、裁剪等进行样本增强

C.采用小卷积核，提高通道的个数

D.增强特征获取能力对样本按照一定的方式排序

A.BN主要解决深度神经网络各层输入的分布一致，增加训练过程的平衡

B.BN可以减少每个隐层神经元梯度的变化幅度

C.BN起到了减少过拟合的作用

D.BN一般位于隐层神经元的激活函数输出之后

A.限制玻尔兹曼机

B.深度信任网络

C.卷积神经网络

D.BP算法模型

A.限制玻尔兹曼机

B.深度信任网络

C.卷积神经网络

D.BP算法模型

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.卷积层

B.线性整流层

C.池化层

D.全连接层

A.输入层

B.隐含层

C.输出层

D.卷积层

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