A.池化层会出现在每个隐藏层
B.池化层目的是做特征的题曲
C.池化层运做完会得到特征图(FeatureMap)
D.池化层可以取代卷积层
E.第一层的卷积运算是在做图像边缘或纹理的特征提取
您可能感兴趣的试卷
你可能感兴趣的试题
A.Kai-FuLee
B.GeoffreyHinton
C.YoshuaBengio
D.YangLeCun
E.AndrewNg
A.RNN
B.CNN
C.FCNN
D.LSTM
E.GAN
A.以数学眼光来看CNN是NN的子集合
B.机器学习是深度学习的一种
C.人工智能是一种深度学习
D.深度学习通常隐藏层在百层以上的神经网络,这样才够深
E.CNN是一种有记忆的神经网络,会记得上一次的输入
A.神经网络调整参数的方式是一种前馈神经网络(FeedforwardNeuralNetwork)
B.学习率在迭代的参数调整过程中会固定不变
C.梯度下降是运用积分的技巧来达成
D.损失函数移动的方向跟梯度的方向相同
E.神经网络调整参数的顺序是从后面一层层往前调
A.损失函数是对每个输入的预测值与真实值的差异计算总和
B.透过梯度下降一定可以找到降低损失函数的最佳解
C.损失函数的变量是可以调整的参数
D.训练神经网络是透过参数的调整来降低损失函数
E.梯度下降是降低损失函数的一种算法
A.传统的神经网络是指全链接神经网络
B.全链接神经网络也叫标准神经网络
C.标准神经网络通常称为NN(neuralnetwork)
D.全链接神经网络的每个神经元都会跟前后层的神经元相连
E.每个神经元内部的计算架构都不一样
A.建构神经网络时需要知道最终的函数学习机长什么样子
B.打造一个神经网络的函数学习机是透过编程来达成
C.神经网络模型可分成输入层、表现层及输出层
D.神经网络模型可分成输入层、隐藏层及输出层
E.神经网络模型可分成输入层、激发层及输出层
A.判定树可以是多元树
B.判定树的起始点称为根节点
C.判定树是一种分群的机器学习技术
D.判定树上的内部节点代表一个特征值
E.判定树上的树叶就是代表一种分类结果
A.支持向量机的分类函数称为核函数(kernelfunction)
B.核函数(kernelfunction)都是非线性的
C.核函数可以多项式核函数及径向基核函数
D.利用核函数的变化,可以将原先在低维度空间无法分类的问题转到高维度空间达以达成需要的分类效果
E.支持向量机可以透过核函数的转换,简化分类的困难度
A.分群问题被定义为:将未知的新讯息归纳进已知的信息中
B.机器学习领域中的分群问题,重点在于新的数据和已分类的数据互相比较,看看新数据在分类过的数据中,和哪一类数据比较类似
C.分类问题就是一群数据中没有明确的分类或群体,而是必须透过它们所具有的特
D.分群的问题要事先帮数据做卷标(label)
E.分群的基础在于要根据可以区分出两种群体的特征来分群
最新试题
()是智能家居的核心,是实现智能家居控制功能的基础。
目前很多的智能家居设备,已经植入了人工智能的()。
科学界对智能还没有确切的定义,不属于现在的主要流派的是()
对于“物联网”智能家居发展阶段,哪个结论是错的?()
智能家居系统的未来发展除了人工智能技术,还需要()技术的综合应用。
下列哪个名词术语与“智能家居”无关?()
自2015年IBM提出()概念以来,目前全世界已经启动和正在建设的智慧城市已经有1000多个,中国就有约500个。
智能家居系统包括八个子系统,其中有三个是必备系统,下面哪个不是必备的?()
以下人工智能技术中涉及伦理问题的有()
早期的智能家居产品,用户反映最突出的问题是什么?()