使用RPA产品对业务流程处理自动化后，对所来带的管理收益，以下描述不正确的是（）。

交叉熵损失函数的设计是基于最大似然思想：最大概率得到观察结果的假设是真的。

卷积神经网络由多个卷积层和池化层组成，卷积层负责对输入进行扫描以生成更抽象的特征表示，池化层对这些特征表示进行过滤，保留最关键的特征信息。

对于计算机视觉问题，效果最好的模型是经典的全连接神经网络。

神经网络中，前向计算是指从输入计算输出的过程，顺序从网络后至前。

多层非线性映射（multi-layernonlinearprojection）：表示深度学习网络的隐层，DSSM使用三个全连接层，每一层神经元的个数是300，然后最后一层的维度是128维度，激活函数采用tanh。

两个变量的 Pearson 相关性系数为零，但这两个变量的值同样可以相关。

对于 PCA(主成分分析)转化过的特征 , 朴素贝叶斯的”不依赖假设”总是成立, 因为所有主要成分是正交的。

训练完 SVM 模型后, 不是支持向量的那些样本我们可以丢掉, 也可以继续分类。

如果增加多层感知机（Multilayer Perceptron）的隐藏层层数，分类误差便会减小。

卷积神经网络可以对一个输入进行多种变换（旋转、平移、缩放）。