影响KNN结果的因素不包括
A.K值的选择
B.距离度量方法
C.决策规则的标准
D.卷积核的大小
- · 有3位网友选择 C,占比37.5%
- · 有2位网友选择 D,占比25%
- · 有2位网友选择 B,占比25%
- · 有1位网友选择 A,占比12.5%
A.K值的选择
B.距离度量方法
C.决策规则的标准
D.卷积核的大小
A.根据卷积核的大小,忽略图像周围一圈的像素
B.根据卷积核的大小,在图像周围先填充一圈纯黑或纯白然后进行卷积运算
C.根据卷积核的大小,在图像边缘新增一圈像素点并根据图像边缘的像素进行插值
D.在图像边缘进行卷积运算的时候,调整卷积核的大小
影响全口义齿下前牙大小选择的因素中,不包括
A、咀嚼力的大小
B、唇的长短
C、两侧口角线之间的距离
D、颌弓的形状
E、颌间距离的大小
A.卷积核只能选择3、5、7等奇数值。
B.卷积核越大,其取得的特征越明显,学习到的特征越多。
C.卷积核越小,其计算量越多,训练模型的时间越长。
D.卷积核越大,越容易提取细节特征
使用HVDM为距离度量的加权kNN分类(假设k=5,以距离的倒数为权重),预测样本<女,1.6>的所属类别。
A.卷积中的通道数量只能是1或3
B.池化核大小与步长相等
C.Padding时各方向的填充不一定对称
D.卷积核越小,卷积后的结果越抽象
A.采用不同大小的卷积:在开始的卷积层采用大卷积核获得粗大的特征,然后再后续的卷积层采用小卷积核获得细致的特征
B.同一隐层组合不同大小的卷积核函数
C.采用shortcut等方式,随着网络层次的加深,减少特征的损失
D.多增加池化操作
A.大的卷积核对应的感受野比较大,更容易获得图像的特征
B.小的卷积核级联的效果等价于大卷积核的效果,但权重等参数会大大减少
C.过大的卷积核对应大量的参数,卷积神经网络不容易出现过拟合
D.小的卷积核可以获得图像比较细致的特征,它们组合起来可能降低网络的分类准确率
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!