决策树的划分选择有（）。

relu函数只能在全连接层的神经网络里面有意义，在卷积层没有意义。

注意力机制的非线性激活函数常用tanh。

在卷积神经网络训练时，可以对输入进行旋转、平移、缩放等操作，从而提高模型泛化能力。

有监督学习和无监督学习相比的一个区别在于，有监督学习需要对数据进行标识，无监督学习不用。

循环神经网络只能进行分类处理

提升卷积核(convolutionalkernel)的大小会显著提升卷积神经网络的性能，这种说法是

梯度下降算法的收敛点取决于代价函数。

生成对抗网络中的生成器既可以是卷积神经网络，也可以是循环神经网络。

深层神经网络，不添加激活函数效果也很好。

强化学习需要预先给定数据，才能通过接收环境对动作的奖励进行学习。