()雖然後來神經網路模型隨著電腦計算能力的進步,網路結構逐漸變得又深又複雜,更準確的卷積神經網路結構大量地相繼出現,但不可否認的是__為後續的其他網路架構都定下了基礎,是深度學習發展的一個重要里程碑
A.oltzmann Network
B.Hopfiled Network
C.lexNet
D.LeNet
E.GoogleNet
A.oltzmann Network
B.Hopfiled Network
C.lexNet
D.LeNet
E.GoogleNet
第1题
A.Boltzmann Network
B.Hopfiled Network
C.AlexNet
D.LeNet
E.GoogleNet
第2题
A.傳統的神經網路是指全連結神經網路
B.全連結神經網路也叫標準神經網路
C.標準神經網路通常稱為NN(neural network)
D.全連結神經網路的每個神經元都會跟前後層的神經元相連
E.每個神經元內部的計算架構都不一樣
第3题
A.當一個深度神經網路以卷積層為主體時,稱為卷積神經網路
B.需要對特徵向量進行轉換,經常用的是全連接層
C.歸一化指數層的作用用於完成多類線性分類器中的歸一化指數函數的計算
D.常用的非線性函數為邏輯函數、雙曲線正切函數、線性整流函數
E.以上皆是
第4题
A.建構神經網路時需要知道最終的函數學習機長什麼樣子
B.打造一個神經網路的函數學習機是透過編程來達成
C.神經網路模型可分成輸入層、表現層及輸出層
D.神經網路模型可分成輸入層、隱藏層及輸出層
E.神經網路模型可分成輸入層、激發層及輸出層
第5题
A.演算法、複雜的軟體、電腦計算能力
B.演算法、無適當的數據庫、電腦計算能力
C.缺強大的操作系統、無適當的數據庫、電腦計算能力
D.複雜的軟體、電腦計算能力、大量的數據
E.無適當的數據庫、電腦計算能力、大量的數據
第8题
A.特徵提取
B.放大縮小
C.旋轉
D.增加影像雜訊
E.減少影像雜訊
第10题
A.通常每個神經元的連線權重值 (weight) 都不一樣,但偏值 (bias) 都一樣
B.為了讓所有的神經元都能被激發會加上一個偏值(bias)做為調整
C.激活函數會把每個神經元的真正輸出控制在0到1之間
D.神經網路可以調整的參數是代表權重的 w1, w2, ⋯和代表偏值的 b1, b2, ⋯
E.神經網路的激活函數一定是非線性函數
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!