提出“最近发展区”概念的是【】 A.乌申斯基B.皮亚杰C.维果斯基D.鲁利亚

A．卷积核越大越好。

B．不同卷积层或同一卷积层只能用一种大小的卷积核。

C．在卷积层之前使用池化操作，可以减少卷积层参数量。

D．类似AlexNet网络使用的分组卷积可以增加卷积层的参数量。

A．根据卷积核的大小，忽略图像周围一圈的像素

B．根据卷积核的大小，在图像周围先填充一圈纯黑或纯白然后进行卷积运算

C．根据卷积核的大小，在图像边缘新增一圈像素点并根据图像边缘的像素进行插值

D．在图像边缘进行卷积运算的时候，调整卷积核的大小

A．

B．

C．

D．

A．输入层

B．卷积层

C．全连接层

D．池化层

A．卷积核的数量、卷积核的大小以及卷积核的具体核参数等都是网络的超参，对网络的性能都有一定的影响。

B．批样本的数量以及动量参数都控制着梯度下降的方向，因此会影响网络训练的速度和效果。

C．过大的批样本数量更容易使网络陷入局部最优解。

D．drop和权重衰减都起到正则化的作用。

A．卷积神经网络只能用于图像分类，不能用于文本分类，没有相关文献

B．使用卷积神经网络进行句子分类，一般将句子中每个词表示为固定长度的向量，这样句子就可以表示为矩阵，从而使得在结构上与图像类似，并在后续进行卷积等处理

C．图像处理应用中，卷积核处理的局部区域为图像的一小块区域，而在文本分类时卷积核处理的局部区域通常为相邻的上下几行（几个词）。因此卷积核的宽度和输入矩阵的宽度相等

D．使用卷积神经网络进行句子分类或者文档分类，卷积提取的特征与采用n-gram模式提取的特征类似

A．解决线性问题最有优势；

B．由其激活函数定义网络结构；

C．在外界刺激（训练）无法改变内部参数；

D．中的卷积神经网络在图像任务中可以被视为训练得来的隐空间中稀疏的边缘探测器；

A．为了获得不同尺度的特征，GoogLeNet采用了1X1,3X3,7X7等不同尺度的卷积核。

B．ResNet卷积神经网络使用了批量标准化(BN)增加了网络的训练稳定性，并像VGG算法利用了skip链接减少信息的损失。

C．类似VGG、GoogLeNet等网络，AlexNet采用了卷积块的结构。

D．所有的卷积层都使用3X3小卷积核的网络是VGG

A.卷积核的尺寸是由人为指定的

B.卷积核的参数值是人为指定的

C.卷积层可以作为神经网络的隐藏层

D.特征图是为卷积层的最终输出