![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
下列关于卷积神经网络说法错误的是( )。
A.是目前网络深度最深、应用最成功的深度学习模型
B.卷积神经网络模拟了人类信息处理的过程
C.图像的卷积,很类似视觉皮层对图像进行某种特定功能的处理
D.模拟大脑的视觉处理过程就是卷积神经网络的思路
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.是目前网络深度最深、应用最成功的深度学习模型
B.卷积神经网络模拟了人类信息处理的过程
C.图像的卷积,很类似视觉皮层对图像进行某种特定功能的处理
D.模拟大脑的视觉处理过程就是卷积神经网络的思路
A.递归神经网络不允许网络中出现环形结构
B.减少神经网络层数,可能会降低测试集分类错误率
C.循环神经网络适合处理序列数据
D.卷积神经网络可以应用于图像分类
A.同样模式的内容(如鸟嘴)在图像不同位置可能出现
B.池化之后的图像主体内容基本不变
C.不同种类鸟的相同部位(如鸟嘴)形状相似
D.池化作用能使不同种类鸟变得相似
A.CNN中的全连接层常用softmax作为激活函数。
B.CNN中的池化层用于降低特征图维数,以避免过拟合。
C.CNN由卷积层、池化层和全连接层组成,常用于处理与图像有关的问题。
D.由于卷积核的大小一般是3*3或更大,因此卷积层得到的特征图像一定比原图像小。
A.卷积神经网络只能处理图像信息
B.卷积神经网络是深度学习的代表算法之一
C.卷积神经网络可以用于遥感图像的分割
D.卷积神经网络不只包含卷积层
A.AlexNet的网络结构和LeNet非常类似,但更深更大,并且使用了层叠的卷积层来获取特征
B.GoogLeNet的主要贡献是实现了一个bottleneck模块,能够显著地减少网络中参数的数量
C.ResNet使用了特殊的跳跃链接,大量使用了批量归一化,并在最后使用了全连接层
D.VGGNet的主要贡献是展示出网络的深度是算法优良性能的关键部分
A.卷积神经网络主要用于目标识别、图像分割等方面
B.循环神经网络主要用于处理序列数据
C.长短时记忆神经网络主要用于处理序列数据
D.长短时记忆神经网络是和循环神经网络完全不同的一种新型神经网络
A.用卷积层提取特征
B.pooling的下采样能够降低overfitting
C.全连接层只能有一层
D.激活函数relu可以用到卷积层