![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
关于神经网络,下列说法正确的是()。
A.增加网络层数,可能会增加测试集分类错误率
B.增加网络层数,一定会增加训练集分类错误率
C.减少网络层数,可能会减少测试集分类错误率
D.减少网络层数,一定会减少训练集分类错误率
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.增加网络层数,可能会增加测试集分类错误率
B.增加网络层数,一定会增加训练集分类错误率
C.减少网络层数,可能会减少测试集分类错误率
D.减少网络层数,一定会减少训练集分类错误率
A.单层感知器的局限在于不能解决异或问题
B.前馈神经网络可用有向无环图表示
C.随着神经网络隐藏层数的增加,模型的分类能力逐步减弱
D.前馈神经网络同一层的神经元之间不存在联系
A.反向传播只能在前馈神经网络中运用
B.反向传播会经过激活函数
C.反向传播可以结合梯度下降算法更新网络权重
D.反向传播指的是误差通过网络反向传播
A.在FPGA硬件下,要求OpenCV运行在CPU或GPU上
B.在VPU硬件下,支持神经网络计算棒
C.在VPU硬件下,不支持macOS操作系统
D.在FPGA硬件下,支持CentOS7.464位
B.1943年,美国心理学家沃伦·麦卡洛克(Warren McCulloch)和数理逻辑学家沃尔特·皮兹(Walter Pitts)发表了人工智能领域的开篇之作《神经活动中内在思想的逻辑演算》,提出了人工神经网络的概念和神经元模型
C.人工神经网络由大量节点(或称神经元)之间相互联接构成,试图模仿大脑神经元之间传递、处理信息的模式
D.加拿大认知心理学家和计算机科学家杰弗里·欣顿(Geoffrey E.Hinton)最早提出人工神经网络的概念,被称为“神经网络之父”“深度学习鼻祖”,2018年获得图灵奖
A.神经网络模拟人的心智
B.神经网络参考人大脑的结构
C.神经网络模拟人的行为方式
D.神经网络模拟人思考方式
A.使用增加训练次数的方法不一定可以减少代价函数的取值
B.神经网络权重的初始化大小会对网络的训练结果无影响
C.对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素
D.分析问题确定后,神经网络合适的结构就可以确定
A.先反向传播计算出误差,再正向传播计算梯度
B.只有反向传播计算梯度
C.只有反向传播计算输出结果
D.先正向传播计算出误差,再反向传播计算梯度