()關於深度學習敘述何者正確
A.以數學眼光來看CNN是NN的子集合
B.機器學習是深度學習的一種
C.人工智慧是一種深度學習
D.深度學習通常隱藏層在百層以上的神經網路,這樣才夠深
E.NN是一種有記憶的神經網路,會記得上一次的輸入
A.以數學眼光來看CNN是NN的子集合
B.機器學習是深度學習的一種
C.人工智慧是一種深度學習
D.深度學習通常隱藏層在百層以上的神經網路,這樣才夠深
E.NN是一種有記憶的神經網路,會記得上一次的輸入
第1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2题
B.學習率在迭代的參數調整過程中會固定不變
C.梯度下降是運用積分的技巧來達成
D.損失函數移動的方向跟梯度的方向相同
E.神經網路調整參數的順序是從後面一層層往前調
第3题
A.分群問題被定義為:將未知的新訊息歸納進已知的資訊中
B.機器學習領域中的分群問題,重點在於新的資料和已分類的資料互相比較,看看新資料在分類過的資料中,和哪一類資料比較類似
C.分類問題就是一群資料中沒有明確的分類或群體,而是必須透過它們所具有的特
D.分群的問題要事先幫資料做標籤 (label)
E.分群的基礎在於要根據可以區分出兩種群體的特徵來分群
第4题
A.Google AlphaGo也是奠基於機器學習,透過電腦運算對手下棋的頻率
B.廣泛應用在圖像、影像識別、推薦系統、輔助決策等金融、醫療、國防民生領域
C.深度學習網路就像黑盒子 (black box),人們不容易理解模型中各網路層的內涵,就無法做出有效的調整
D.透過 CNN 模型,你可以輸入一張圖片,得到該圖片屬於哪種類別的結果,這過程我們把他稱作分類 (Classification)
E.行為理解問題一般遵從如下基本過程:特徵提取與運動表徵、行為識別、高層行為與場景理解
第5题
A.分群問題被定義為:將未知的新訊息歸納進已知的資訊中
B.機器學習領域中的分群問題,重點在於新的資料和已分類的資料互相比較,看看新資料在分類過的資料中,和哪一類資料比較類似
C.分類問題就是一群資料中沒有明確的分類或群體,而是必須透過它們所具有的特徵做區分
D.分群的問題要事先幫資料做標籤 (label)
E.分群的基礎在於要根據可以區分出兩種群體的特徵來分群
第6题
A.Google AlphaGo也是奠基於機器學習,透過電腦運算對手下棋的頻率
B.廣泛應用在圖像、影像識別、推薦系統、輔助決策等金融、醫療、國防民生領域
C.深度學習網路就像黑盒子 (black box),人們不容易理解模型中各網路層的內涵,就無法做出有效的調整
D.透過 CNN 模型,你可以輸入一張圖片, HYPERLINK "https://medium.com/@syshen/%E5%85%A5%E9%96%80%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-2-d694cad7d1e5" \t "_blank" 得到該圖片屬於哪種類別的結果,這過程我們把他稱作分類 (Classification)
E.行為理解問題一般遵從如下基本過程:特徵提取與運動表徵、行為識別、高層行為與場景理解
第7题
A.決策樹可以是多元樹
B.決策樹的起始點稱為根節點
C.決策樹是一種分群的機器學習技術
D.決策樹上的內部節點代表一個特徵值
E.決策樹上的樹葉就是代表一種分類結果
第8题
A.全班都要到前面排隊
B.要帶著數學課本到前面排隊
C.要帶著國語課本到前面排隊的只有第三組的小朋友
D.第二組的小朋友要帶著國語習作到教室外頭
第9题
A.損失函數是對每個輸入的預測值與真實值的差異計算總和
B.透過梯度下降一定可以找到降低損失函數的最佳解
C.損失函數的變數是可以調整的參數
D.訓練神經網路是透過參數的調整來降低損失函數
E.梯度下降是降低損失函數的一種演算法
第10题
A.分類的演算法都稱為監督式學習
B.分群的演算法都稱為監督式學習
C.分類的演算法都稱為非監督式學習
D.支持向量機(SVM)是機器學習分群的技術
E.決策樹(decision tree)是機器學習分群的技術
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!