以下有关BP网络说法错误的是()
A.BP网络是一种前馈网络,其隐单元必须分层,又称为多层前馈网络
B.反向传播的目的是为了修改各层神经元的权值,使误差信号最小
C.正向传播是输入信息由输入层传至隐层,最终在输出层输出
D.BP神经网络学习算法最核心的三部分是权值调整、输出层连接权调整、隐层连接权调整
- · 有4位网友选择 B,占比44.44%
- · 有3位网友选择 C,占比33.33%
- · 有2位网友选择 A,占比22.22%
A.BP网络是一种前馈网络,其隐单元必须分层,又称为多层前馈网络
B.反向传播的目的是为了修改各层神经元的权值,使误差信号最小
C.正向传播是输入信息由输入层传至隐层,最终在输出层输出
D.BP神经网络学习算法最核心的三部分是权值调整、输出层连接权调整、隐层连接权调整
B.每个光耦器件中都含有成对的发光器。
C.当施加电信号到发光器时,发光器发出光线,受光器接受光线之后就电学性能发生变化,从而实现了“电—光—电”转换。
D.光耦的最大作用就是隔离作用。将发光器和受光器两端的电气回路隔离开,通过光作为媒介进行传递。
B.Modem可以作为输入设备,也可作为输出设备
C.Modem能进行数模转换,也能进行模数转换
D.Modem不能将数字信号转换成模拟信号
A、人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层
B、卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性,这种连接恰好也符合生物神经元的稀疏性响应特性
C、卷积神经网络有两个基本概念:权值共享和池化。权值共享使权值参数的个数减小;池化可以使特征图减小,简化计算
D、损失函数层的作用是用来估算模型的预测值与实际值的差距的函数,它是一个非负的实数值函数,它的值越小,反应该网络的数据拟合性能越好,也就是其结果越逼近原始输入数据
A、RNN:语音识别、问答系统、语言建模和文本生成等诸多领域
B、GAN:图像合成、语义图像编辑、风格迁移、图像超分辨率技术和分类
C、VAE:从生成假人脸到合成音乐等
D、LSTM:捕捉到序列中长距离历史信息,但不能缓解长期依赖问题,应使用RNN实现有效缓解长期依赖
A、通过构建多隐层的模型和海量训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性
B、“深度模型”是手段,“特征学习”是目的
C、强调了模型结构的深度,通常有5-10多层的隐层节点
D、与人工规则构造特征的方法相比,利用大数据来学习特征,更能够刻画数据的丰富内在信息
A、反馈及时迅速
B、无需监督,只有奖励
C、通用性及推广性强,智能体在真实不确定的新环境同样得到应用
D、智能体的行为将影响后续的数据,对环境产生持续影响
为了保护您的账号安全,请在“简答题”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!