在知识的规则表示法中，产生式的基本形式是P<->Q（）

全局最优解的函数损失值最小。

卷积神经网络中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到，其作用是特征提取。

经过权值和阈值不断迭代调整的过程，就是网络的学习与训练过程。

SOFTMAX函数，是用来将全数域函数结果映射到概率空间。

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