BP算法仅适用于多层前馈神经网络。

判断题BP算法仅适用于多层前馈神经网络。

1.判断题激活函数为有限值时，基于梯度的优化方法更加稳定。

2.判断题在数据很稀疏和神经网络参数量较少的场景下，偏向于使用L-BFGS而不是SGD。

3.判断题训练好的模型在测试集准确率100%，则在新的数据集上也会达到100%。

4.判断题多层网络全部初始化为0，会使梯度为0或各层相同，相当于浅层网络。

5.判断题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。

6.判断题如果我们去掉ReLU层，这个神经网络仍能够处理非线性函数。

7.判断题单计算层感知器只能解决线性可分问题。

8.判断题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。

9.判断题一个不包含非线性的神经元可以看作是线性回归函数。

10.判断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。