更多“BP神经网络的训练阶段是指输入样本对网络的连接权进行调整,以使该网络实现给定样本的输入输出映射关系。”相关的问题
第1题
神经网络的学习是指调整神经网络的连接权值或者结构,使得样本输入数据通过神经网络产生的实际输出与样本期望输出数据基本一致。()
点击查看答案
第2题
将多层的BP神经网络用于解决分类问题时,其输入层和输出层的神经元个数可以通过给定的样本确定,但中间隐层的个数及隐层的神经元个数确定目前尚无有效的理论和方法。
点击查看答案
第3题
Hopfield神经网络的结构与BP神经网络不同,它是()。
A、单层的全互连的反馈型神经网络
B、多层的非全互连的反馈型神经网络
C、单层的非全互连的反馈型神经网络
D、多层的全互连的反馈型神经网络
点击查看答案
第4题
对于多层神经网络,BP(反向传播)算法的直接作用是()。
A、提供训练集、测试集样本
B、加快训练权值参数和偏置参数
C、提高神经网络特征表示精确度
D、科学评价训练模型
点击查看答案
第6题
单层神经网络,有三个输入,三个输出,它们之间的连接权有
点击查看答案
第7题
深度学习采用了layer-wise的训练机制,克服了BP神经网络训练中的梯度扩散问题。()
点击查看答案
第8题
实现Hopfield神经网络联想记忆的关键是网络到达记忆样本能量函数极小点时,确定网络的神经元间连接权值和阈值等参数。()
点击查看答案
第9题
Hopfield神经网络用于联想记忆时,网络的记忆容量与( )有关
A、神经元个数
B、连接权值的设计
C、所要求的联想范围大小
D、记忆样本的性质
点击查看答案
第10题
标准BP学习算法采用的是最速下降法,即沿目标函数的正梯度方向调整网络的连接权。
点击查看答案