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
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
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