与传统的全连接神经网络相比，卷积神经网络引入了新模块卷积层和池化层（)

A.全连接层

B.卷积层

C.池化层

D.输出层

A.卷积层

B.池化层

C.输入层

D.全连接层

A.A.卷积层

B.B.池化层

C.C.全连接层

D.D.激活层

A.只能处理图像数据

B.只能在网络中使用卷积层

C.池化层只能添加一层

D.可以加入全连接层

A.全连接层的作用就是分类,全连接层的每一个节点都与上一层的所有节点相连接,将前一层的特征进行进一步组合

B.损失函数的作用是用来估算模型的预测值与实际值的差距的函数

C.卷积神经网络中的池化层又称为下采样层，该层的目的是降低特征图的维度，进而降低卷积神经网络的参数量,减少过拟合

D.卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间,全连接层则将抽象特征映射到样本标记空间中

A.全连接层

B.激活函数

C.drop-out

D.池化层

A.卷积矩阵(卷积核)

B.网络层数

C.目标函数

D.输入端和输出端的维数