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。

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。

在北美地区，电视和影像使用的标准帧频是23.976fps，这个也被认为等同于常规的传统35毫米胶片的（）帧的帧频。

Motion特有的属性和规则包含（）

如果我们去掉ReLU层，这个神经网络仍能够处理非线性函数。

在大多数欧洲国家，电视和影像系统都使用的是（）帧为—秒的帧频（fps）。

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。

负对数似然度损失函数和欧式距离损失函数都是用于计算像素区域的修复。

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。