利用神经网络分类器对医学图像分割时首先需要对神经网络分类器进行训练，常用的训练算法是（）。

A.BP算法的提出很好地解决了“多层”问题

B.2001年互联网泡沫破裂导致许多人工神经网络的研究被迫中断

C.LeCun将BP算法应用于神经网络的训练，并提出了卷积神经网络的第一个正式模型——LeNet-5

D.九十年代中期提出的SVM算法取代神经网络算法成为主流

A.前馈神经网络训练过程是拟合训练数据模式的过程。

B.前馈神经网络训练后很容易得到分类的规则。

C.前馈神经网络可用于分类和聚类。

D.前馈神经网络模型的分类能力比决策树好。

A.Apriori算法、HotSpot算法

B.RBF神经网络、K均值法、决策树

C.K均值法、SOM神经网络

D.BP神经网络、贝叶斯

A.分类器（分类算法）

B.特征

C.测试集

D.训练集

A.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

B.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

C.舍弃了R-CNN的多尺度池化，提高了算法的速度

D.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

A.BP神经网络的训练过程中，先进行后向传播再进行前向传播

B.通过损失函数对后向传播结果进行判定

C.通过前向传播过程对权重参数进行修正

D.训练过程中权值参数的运算量很大，一般采用梯度下降法

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