相关题目
Dropout是一种在深度学习环境中应用的正规化手段。它是这样运作的：在一次循环中我们先随机选择神经层中的一些单元并将其临时隐藏，然后再进行该次循环中神经网络的训练和优化过程。在下一次循环中，我们又将隐藏另外一些神经元，如此直至训练结束。 根据以上描述，Dropout技术在下列哪种神经层中将无法发挥显著优势？
随着句子的长度越来越多，神经翻译机器将句意表征为固定维度向量的过程将愈加困难，为了解决这类问题，下面哪项是我们可以采用的？
反向传播算法一开始计算什么内容的梯度，之后将其反向传播？
下面哪个叙述是对的？ Dropout对一个神经元随机屏蔽输入权重 Dropconnect对一个神经元随机屏蔽输入和输出权重
下列哪些项目是在图像识别任务中使用的数据扩增技术(data augmentation technique)？ 1 水平翻转(Horizontal flipping) 2 随机裁剪(Random cropping) 3 随机放缩(Random scaling) 4 颜色抖动(Color jittering) 5 随机平移(Random translation) 6 随机剪切(Random shearing)
假定你在神经网络中的隐藏层中使用激活函数 X。在特定神经元给定任意输入，你会得到输出「-0.0001」。X 可能是以下哪一个激活函数？
对于神经网络的说法, 下面正确的是 : 1. 增加神经网络层数, 可能会增加测试数据集的分类错误率 2. 减少神经网络层数, 总是能减小测试数据集的分类错误率 3. 增加神经网络层数, 总是能减小训练数据集的分类错误率
对于一个图像识别问题(在一张照片里找出一只猫)，下面哪种神经网络可以更好地解决这个问题？
对于一个分类任务，如果开始时神经网络的权重不是随机赋值的，而是都设成0，下面哪个叙述是正确的？
考虑某个具体问题时，你可能只有少量数据来解决这个问题。不过幸运的是你有一个类似问题已经预先训练好的神经网络。可以用下面哪种方法来利用这个预先训练好的网络？
