有关神经网络参数初始化的说法错误的是哪个?
A.权重和偏置都可以取全零初始化
B.使用正态分布初始化,但权重取太大或太小都会影响网络的训练
C.Xavier初始化可以减少梯度消失
D.合适的权重初始化可以加快神经网络的训练和效果
- · 有4位网友选择 B,占比44.44%
- · 有3位网友选择 D,占比33.33%
- · 有2位网友选择 A,占比22.22%
A.权重和偏置都可以取全零初始化
B.使用正态分布初始化,但权重取太大或太小都会影响网络的训练
C.Xavier初始化可以减少梯度消失
D.合适的权重初始化可以加快神经网络的训练和效果
B.数字化校园是一个校园平台。
C.数字化校园应用信息系统可以在缺乏网络基础设施的基础上进行。
D.数字化校园应用信息系统是数字化校园应用的软环境,由网络教学平台、网络科研平台、管理信息系统和校园服务系统四部分构成。
B.工作流程的自动化,对工作流程进行实时监控、跟踪,进行多岗 位,多部门之间的协同工作
C.文档、设备管理的智能化,使各类文档和设备能够按权限进行保存 、共享和使用
D.可以进行车辆管理、分布式办公 、移动办公等
A、在使用梯度下降时,加上冲量项会减少训练的速度,但可能会减少陷入局部极小值的可能
B、与批量梯度下降法相比,使用小批量梯度下降法可以提高训练速度,但达到全局最优解可能需要更多的迭代次数
C、交叉熵也可以作为回归预测问题的损失函数
D、神经元的激活函数选择影响神经网络的训练过程和最终性能
sigmoid激活函数y=1/(1+)的导数是以下哪一个?
A、y(1-y)
B、1-
C、1+lnx
D、1-lnx
A、对于非数值型的属性,可以使用独热(onehot)编码或模糊化转换成数值
B、连续性属性可以采用最小最大值归一化,减少数值过大和不同属性量纲不同对网络的影响
C、预处理与否对神经网络的训练速度和分类准确率影响比较大
D、BP神经网络的输入属性不需要筛选,因为网络本身有特征获取能力
A、一个神经元只能拥有一个输入和一个输出下面关于单个神经元输入输出正确的是?
B、一个神经元只能拥有一个输入但可以有多个输出
C、一个神经元可以有多个输入和多个输出
D、一个神经元可以拥有多个输入但只有一个输出
A、660,45
B、3200,45
C、16000,48
D、3000,32
A、通过正则化可以减少网络参数的取值或个数,一定程度可能减少过拟合
B、通过增加数据扰动的数据增强增加了神经网络的过拟合
C、利用L1或L2正则化可以使权重衰减,从而一定程度上减少过拟合
D、在神经网络训练过程中类似dropout减少神经元或相关链接权的数量
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!