DilatedConvolution意思是？

Dropout对一个神经元随机屏蔽输入权重

对于非连续目标在深度神经网络的优化过程中，AdaGrad梯度下降方法是最好的

有许多种梯度下降算法，其中两种最出名的方法是l-BFGS和SGD。l-BFGS根据二阶梯度下降而SGD是根据一阶梯度下降的。
只有在数据很稀疏的场景中，会更加偏向于使用l-BFGS而不是SGD

将Sigmoid激活函数改为ReLu，将有助于克服梯度消失问题

在神经网络中，每个参数可以有不同的学习率

可以通过将所有权重初始化为0来训练网络

卷积的物理意义是：一个函数（如：单位响应）在另一个函数（如：输入信号）上的加权叠加。

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

给定一个长度为n的不完整单词序列，我们希望预测下一个字母是什么。比如输入是“predictio”(9个字母组成)，希望预测第十个字母是什么。下面哪种神经网络结构适用于解决这个工作？

深度学习是当前很热门的机器学习算法，在深度学习中，涉及到大量的矩阵相乘，现在需要计算三个稠密矩阵A,B,C的乘积ABC,假设三个矩阵的尺寸分别为m∗n，n∗p，p∗q，且m<n<p<q，以下计算顺序效率最高的是