题目
A.能逼近任意非线性函数
B.信息的并行分布式处理与存储
C.可以多输入、多输出
D.便于用超大规模集成电路或光学集成电路系统实现,或用现有的计算机技术实现
E.能进行学习,以适应环境的变化
第2题
A.易于理解和解释,可以可视化分析,可观察学习过程,容易提取出规则
B.并行分布处理能力强,分布存储及学习能力强
C.具备联想记忆的功能,能充分逼近复杂的非线性关系
D.对噪声神经有较强的鲁棒性和容错能力
第6题
A.人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层
B.卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性,这种连接恰好也符合生物神经元的稀疏性响应特性
C.卷积神经网络有两个基本概念:权值共享和池化。权值共享使权值参数的个数减小;池化可以使特征图减小,简化计算
D.损失函数层的作用是用来估算模型的预测值与实际值的差距的函数,它是一个非负的实数值函数,它的值越小,反应该网络的数据拟合性能越好,也就是其结果越逼近原始输入数据
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!