卷积神经网络中的池化层主要用来对数据进行降维，减少数据特征。（）

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.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.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.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.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.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.人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层

B.卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性

C.卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算

D.损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据

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.池化操作可以实现数据的降维

B.池化操作具有平移不变性

C.池化操作可以扩大感受野

D.池化操作是一种线性变换