神经网络进行图片语义分割时，先用CNN处理输入，再用反CNN得到输出。

单计算层感知器只能解决线性可分问题。

神经网络被称为通用函数拟合器，所以它理论上可以表示任何决策边界。

深度学习与机器学习算法之间的区别在于，后者过程中无需进行特征提取工作，也就是说，我们建议在进行深度学习过程之前要首先完成特征提取的工作。

理论上神经网络可以解决任何问题，因为神经网络可以逼近任何函数。

设计的秩序性就是指设计中各相关元素之间的（）问题。

与普通反向传播不同的是，随时间的反向传播算法会在每个时间步长内叠加所有对应权重的梯度。

动态设计的源头可以追溯到20世纪50年代（）匠心独运地把人物角色加入到电影的片头、片尾设计中。

Motion特有的属性和规则包含（）

将Sigmoid激活函数改为ReLU，将有助于克服梯度消失的问题。