卷积神经网络中典型的模式是?
A.卷积层后为池化层,然后还是卷积层-池化层。
B.多个连续的池化层,然后跟着一个卷积层
C.网络中最后的几个层是全连接层
D.网络中最开始的几个层是全连接层
- · 有4位网友选择 D,占比40%
- · 有3位网友选择 C,占比30%
- · 有2位网友选择 A,占比20%
- · 有1位网友选择 B,占比10%
A.卷积层后为池化层,然后还是卷积层-池化层。
B.多个连续的池化层,然后跟着一个卷积层
C.网络中最后的几个层是全连接层
D.网络中最开始的几个层是全连接层
A、是目前网络深度最深、应用最成功的深度学习模型
B、卷积神经网络模拟了人类视觉信息处理的过程
C、图像的卷积,很类似视觉皮层对图像进行某种特定功能的处理
D、模拟大脑的视觉处理过程就是卷积神经网络的思路
A、在卷积神经网络中,卷积的下一步通常是进行池化处理(pooling)
B、池化处理主要是对不同位置的特征进行聚合统计
C、池化处理起到了减少了参数和降维的作用
D、常用的池化做法是对每个滤波器的输出求最大值、平均值等
A、对于图像而言,由于通常一般是局部的像素联系较为紧密,而距离较远的像素相关性则相对较弱。因而可以采用局部感知,即每个神经元可以只需对局部信息进行感知,然后在更高层将局部信息进行综合以得到全局的信息
B、可以把卷积想象成作用于矩阵的一个滑动窗口函数。滑动窗口又称作卷积核、滤波器或是特征检测器
C、对于给定的输入图像,卷积操作的输出图像中每一个像素实际上是输入图像中局部区域中像素的加权平均,其权值由一个函数定义,这个函数称为卷积核
D、其它答案都不对
A、以wordnet为基础,并利用情感种子词典扩充
B、以HowNet为基础,并利用情感种子词典扩充
C、以停用词表为基础,并利用情感种子词典扩充
D、构建种子词典,从网络生语料扩充
A、经过卷积处理,生成的特征图(feature map)的数目一定和处理前的图像的数目相同
B、经过卷积处理,生成的特征图(feature map)的数目一定和处理前的图像的数目不相同
C、经过卷积处理,生成的特征图(feature map)的数目可能和处理前的图像的数目相同,也有可能不相同
D、经过降采样处理,生成的特征图(feature map)的数目通常和处理前的图像的数目相同
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!