题目内容
（请给出正确答案）
[单选题]
以下关于神经网络的说法错误的是？（）
A.随着神经网络隐藏层数的增加，模型的分类能力逐步减弱
B.单层感知器的局限在于不能解决异或问题
C.前馈神经网络可用有向无环图表示
D.前馈神经网络同一层的神经元之间不存在联系
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.随着神经网络隐藏层数的增加，模型的分类能力逐步减弱
B.单层感知器的局限在于不能解决异或问题
C.前馈神经网络可用有向无环图表示
D.前馈神经网络同一层的神经元之间不存在联系
如果结果不匹配，请 联系老师 获取答案
更多“以下关于神经网络的说法错误的是？（）”相关的问题
A.递归神经网络不允许网络中出现环形结构
B.减少神经网络层数，可能会降低测试集分类错误率
C.循环神经网络适合处理序列数据
D.卷积神经网络可以应用于图像分类
A.CNN中的全连接层常用softmax作为激活函数。
B.CNN中的池化层用于降低特征图维数，以避免过拟合。
C.CNN由卷积层、池化层和全连接层组成，常用于处理与图像有关的问题。
D.由于卷积核的大小一般是3*3或更大，因此卷积层得到的特征图像一定比原图像小。
A.卷积神经网络只能处理图像信息
B.卷积神经网络是深度学习的代表算法之一
C.卷积神经网络可以用于遥感图像的分割
D.卷积神经网络不只包含卷积层
A.神经网络对训练数据中的噪声非常鲁棒
B.可以处理冗余特征
C.训练ANN是一个很耗时的过程
D.至少含有一个隐藏层的多层神经网络
A.Adam的收敛速度比RMSprop慢
B.相比于SGD或RMSprop等优化器，Adam的收敛效果是最好的
C.对于轻量级神经网络，使用Adam比使用RMSprop更合适
D.相比于Adam或RMSprop等优化器，SGD的收敛效果是最好的
A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合
B.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
C.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
D.通过增加数据扰动的数据增强减少了神经网络的过拟合
A.损失函数必须在程序开发时定义，否则程序无法执行
B.损失函数决定了神经网络的拟合精度
C.损失函数决定了神经网络的收敛速度
D.不同损失函数的训练精度不同
A.PAIStudio中可以直接进行模型在线部署
B.PAIStudio中可以进行实验离线调度
C.PAIStudio中可以进行Notebook开发
D.PAIStudio中可以对管数进行自动调参
E.PAIStudio中可以拖拽神经网络组件
A.AlexNet的网络结构和LeNet非常类似，但更深更大，并且使用了层叠的卷积层来获取特征
B.GoogLeNet的主要贡献是实现了一个bottleneck模块，能够显著地减少网络中参数的数量
C.ResNet使用了特殊的跳跃链接，大量使用了批量归一化，并在最后使用了全连接层
D.VGGNet的主要贡献是展示出网络的深度是算法优良性能的关键部分
A.①
B.①③
C.①②
D.②
