图卷积神经网络是一种能对图数据进行处理的方法。（)

A.心电图也是一种图

B.心电图中心电数据也是一种时间序列数据

C.卷积神经网络相比其他方法能够捕捉更多细节信息

D.心电图中不同导联数据有相关性

A.与图像不同，声音信号是一维的序列数据，通过FFT等频域转换为二维频谱，即可用卷积进行分类

B.在声音处理中，深度神经网络的低层可以提取一些声音的特征，而高层提取类别间的判别信息。

C.对于一维的声音序列或二维的频谱图，都可以使用卷积神经网络进行特征提取，学习相邻帧的关系等。

D.对于声音数据，可以先通过CNN来进行高维特征的提取，再使用RNN对时间相关性进行建模。

A.与图像不同，声音信号是一维的序列数据，通过FFT等频域转换为二维频谱，即可用卷积进行分类

B.在声音处理中，深度神经网络的低层可以提取一些声音的特征，而高层提取类别间的判别信息。

C.对于一维的声音序列或二维的频谱图，都可以使用卷积神经网络进行特征提取，学习相邻帧的关系等。

D.对于声音数据，可以先通过CNN来进行高维特征的提取，再使用RNN对时间相关性进行建模。

A.使用PCA进行特征抽取

B.使用协方差矩阵抽取协方差值较高的特征

C.使用线性神经网络抽取特征

D.使用卷积层，pooling层处理输入图像，得到降维后的特征图

A.经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目相同

B.经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目不相同

C.经过卷积处理，生成的特征图（feature map）的数目可能和处理前的图像的数目相同，也有可能不相同

D.经过降采样处理，生成的特征图（feature map）的数目通常和处理前的图像的数目相同

A.经过卷积处理，生成的特征图（feature map）的数目可能和处理前的图像的数目相同，也有可能不相同

B.经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目相同

C.经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目不相同

D.经过降采样处理，生成的特征图（feature map）的数目通常和处理前的图像的数目相同