相关题目
单选题
( )增大卷积核的大小必然会提高卷积神经网络的性能。
单选题
( )假设在 ImageNet数据集(对象识别数据集)上训练卷积神经网络。然后给这个训 练模型一个完全白色的图像作为输入。这个输入的输出概率对于所有类都是相等的。
单选题
( )如果增加多层感知机的隐层层数,测试集的分类错误会减小。
单选题
( )训练 CNN 时,可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。
单选题
( )激活函数的作用为给神经元引入了非线性因素,使得神经网络可以任意逼近任何 非线性函数,深层神经网络表达能力更强大,可以应用到众多的非线性模型中。
单选题
( )划分训练集、验证集、测试集,其划分比例一般为 6:2:2。
单选题
( )将一个卷积神经网络的第一层的特征图可视化,能看到清晰的目标特征。
单选题
( )反向传播是用来训练人工神经网络的常见方法。
单选题
( )一定存在一个 BP 神经网络能够逼近给定的样本或者函数。
单选题
( )卷积主要用于得到图片的局部特征感知, 池化主要用于特征降维,压缩数据和参 数的数量。
