卷积神经网络适合对格点化（grid-liketopology)特征的数据，如像素和音频进行学习。（)

A.因为它可以被用做监督学习

B.严格意义上它比卷积神经网络(CNN)效果更好

C.它比较适合用于当输入/输出是一个序列的时候(例如.一个单词序列)

D.RNNs代表递归过程.想法-＞编码-＞实验-＞想法-＞…

A.19x19x(25x20)

B.19x19x(20x25)

C.19x19x(5x25)

D.19x19x(5x20)

A.常见池化层有最大池化与平均池化

B.卷积核不可以用来提取图片全局特性

C.处理图片时，是以扫描窗口的方式对图像做卷积

D.卷积神经网络可以包含卷积层，池化层和全连接层

A.每个卷积层中的卷积核都需要处理全部接受到的信息

B.卷积神经网络是目前网络深度最深的深度神经网络模型之一

C.卷积核用来实现对输入信号的各种处理，不同的卷积核实现不同的功能

D.池化操作对多个卷积核得到的信息进行降维，只保留重要信息

A.在卷积神经网络中，卷积的下一步通常是进行池化处理(pooling)

B.池化处理主要是对不同位置的特征进行聚合统计

C.池化处理起到了减少了参数和降维的作用

D.平均值等

A.卷积神经网络可以包含卷积层,池化层和全连接层

B.卷积核不可以用来提取图片全局特征

C.在处理图片时，是以扫描窗口的方式对图像做卷积

D.常见的池化层有最大池化与平均池化

A.对图像进行增强

B.对图像进行裁剪

C.对图像进行平滑(模糊化)

D.对图像进行分类

A.对图像进行平滑（模糊化）

B.对图像进行增强

C.对图像进行分类

D.对图像进行裁剪