题目
A.重调整采用“奖惩分明”策略,即对于能够准确判断样本类型的权重,提高当前权重比例,反之则降低当前权重比例
B.感知器模型的关键,就是通过调整权重使一类样本可以激活神经元,而另一类则不会
C.一层感知器只能针对线性可分的数据集分类,无法解决异或(XOR)问题
D.感知器模型中的激活函数是二值函数时,损失函数是可导的
第1题
A.神经元感知器是一种简单的前馈式神经网络
B.神经元感知器可以接收n个输入,对应n个权重值
C.神经元感知器接收的n个输入对应n个偏置值
D.神经元感知器经过激活函数变换后输出结果
第2题
A.权重衰减是在训练过程中逐渐减少学习率
B.权重衰减是一种正则化技术, 通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制
C.权重衰减通过赋予神经元某个权值从而避免梯度消失
D.当数据集中有噪声时,权重衰减可以在训练中逐渐修正神经网络的权重
第5题
A.权重衰减是一种正则化技术,通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制
B.权重衰减在训练的过程中逐渐减少学习率
C.权重衰减通过赋予某个神经元某个权值从而避免梯度消失
D.当数据集有噪声的时候,权重衰减可以在训练时逐渐修正权重
第6题
A.BP算法是从输入层开始,逐层计算δ信号调整自身权重,并且将δ信号传向后一层
B.BP算法的出现解决了多层神经网络权重调整困难的问题
C.BP算法的核心是对隐含层神经元误差E的估计
D.BP算法对多层网络训练时使用的sigmoid激活函数存在“梯度弥散”问题
第8题
A.BP算法的核心是对隐含层神经元误差E的估计
B.BP算法的出现解决了多层神经网络权重调整困难的问题
C.BP算法是从输入层开始,逐层计算δ信号调整自身权重,并且将δ信号传向后一层
D.BP算法对多层网络训练时使用的sigmoid激活函数存在“梯度弥散”问题
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!