人类自己的智能体现了通用性()

监督学习的数据不需要带标签等人为标注信息。

通过池化操作，必须保证特征损失不能太大。

从已知事实出发，通过规则库求得结论的产生式系统的推理方式是反向推理。

在机器学习中，采用信息熵可以解决决策树问题。

遗传算法不能用于知识发现。

梯度爆炸会导致梯度激增，应避免梯度爆炸。

损失函数中，基于信息熵的损失函数，与平方范数损失函数互有矛盾。

深度学习在不同的领域超参数的设定不能通用。

如果增加多层感知机（MultilayerPerceptron）的隐层层数，测试集的分类错会减小。

全局最优解的函数损失值最小。