A.隐式学习,避免了显式的特征抽取
B.平移不变性
C.权值共享
D.鲁棒性强
第1题
A.局部感受野
B.权值共享
C.池化
D.遗忘门
第2题
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
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.卷积神经网络可以逐层抽取数据特征实现自动特征学习
第8题
A.全连接层的作用就是分类,全连接层的每一个节点都与上一层的所有节点相连接,将前一层的特征进行进一步组合
B.损失函数的作用是用来估算模型的预测值与实际值的差距的函数
C.卷积神经网络中的池化层又称为下采样层,该层的目的是降低特征图的维度,进而降低卷积神经网络的参数量,减少过拟合
D.卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间,全连接层则将抽象特征映射到样本标记空间中
第10题
A.16×16
B.15×15
C.29×29
D.14×14
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!