有关BP神经网络的说法,错误是哪个?
A.易陷入局部极小值
B.训练次数多,使得学习效率低,收敛速度慢
C.隐层节点的选取缺乏理论指导
D.训练时新样本的加入对已经学习的样本没啥影响
- · 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.易陷入局部极小值
B.训练次数多,使得学习效率低,收敛速度慢
C.隐层节点的选取缺乏理论指导
D.训练时新样本的加入对已经学习的样本没啥影响
A、利用神经网络对两类问题进行分类时,可以用一个输出节点来实现。
B、神经网络实现多类问题的分类时可以用多个神经网络组合来实现。
C、利用神经网络来实现多类问题的分类时,可以采用一个具有的多个输出节点的神经网络来实现。
D、在利用神经网络进行分类时,神经网络的输入节点的个数多于输入的特征数量。
A、决策树可以得到对分类重要的属性,因此可以作为分类特征获取的一种方法。
B、如果要了解影响签署合同快慢的主要因素,可以使用决策树算法。
C、决策树获得的特征可以作为其他算法(例如回归算法的自变量)输入的依据。
D、决策树获得的特征是区分不同类别的最优特征。
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
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
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!