更多“目前,深度学习采用的模型主要是神经网络模型,其主要原因是神经网络模型可以使用误差反向传播算法,从而可以比较好地解决贡献度分配问题。”相关的问题
第1题
深度学习是机器学习的一个子问题,其主要目的是从数据中自动学习有效的特征表示。更准确地说,在实际过程中为了学习一个好的表示,需要构建具有一定“深度”的模型,并通过学习算法来让模型自动学习出好的特征表示,从而最终提升预测模型的准确率。
点击查看答案
第2题
()层神经网络模型可以模拟任意决策面。
点击查看答案
第3题
在建立神经网络模型之前需要进行数据的归一化处理
点击查看答案
第4题
常见的判别模型有
A.Logistic 回归
B.支持向量机
C.神经网络
D.朴素贝叶斯分类器
E.隐马尔可夫模型
点击查看答案
第5题
前馈神经网络通过误差后向传播(BP算法)进行参数学习,这是一种()机器学习手段。
A.半监督学习
B.无监督学习和监督学习的结合
C.监督学习
D.无监督学习
点击查看答案
第7题
对完成特定任务的卷积神经网络训练采用的是监督学习方法。在这个过程中,通过误差后向传播来优化调整网络参数,请问下面哪个不是通过误差后向传播来优化的 ()。
A.模型的隐藏层数目
B.激活函数中的参数
C.全连接层的链接权重
D.卷积滤波矩阵中的参数
点击查看答案
第8题
()是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。
点击查看答案
第9题
非线性回归模型的随机误差项为加性误差项时,模型可以线性化。
点击查看答案
第10题
在训练神经网络的过程中,如果刚训练几步损失函数的值就开始剧烈抖动,大概率是因为()
A.学习率过大
B.学习率过小
C.模型已经训练好了
D.以上都不可能造成上述情况
点击查看答案