题目
A.卷积滤波矩阵中的参数
B.全连接层的链接权重
C.激活函数中的参数
D.模型的隐藏层数目
第4题
A.解决线性问题最有优势;
B.由其激活函数定义网络结构;
C.在外界刺激(训练)无法改变内部参数;
D.中的卷积神经网络在图像任务中可以被视为训练得来的隐空间中稀疏的边缘探测器;
第5题
A.解决线性问题最有优势;
B.由其激活函数定义网络结构;
C.在外界刺激(训练)无法改变内部参数;
D.中的卷积神经网络在图像任务中可以被视为训练得来的隐空间中稀疏的边缘探测器;
第7题
A.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
B.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络,降低了Fast-RCNN的mAP
C.舍弃了R-CNN的多尺度池化,并且对全连接层矩阵相乘使用了SVD,提高了算法的速度
D.候选框的目标分类和边框精调都由卷积神经网络承担,这也提高了算法的速度
第8题
A.CNN和RNN都属于神经网络,因此二者的训练方式完全一致,均采用BP算法。
B.CNN和RNN都采用了权值共享机制以减少网络中的参数量。
C.在同一个网络中,CNN结构和RNN结构不能同时使用。
D.CNN适用于图像处理,而RNN适用于序列数据处理。
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!