请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.以下关于卷积神经网络说法错误的是（ ）选项： A:损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据 B:卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性 C:人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 D:卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算
- 2.以下关于卷积神经网络说法错误的是（ ）。 选项： A: 卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小：池化可以使特征图减小，简化计算 B: 损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据 C: 人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 D: 卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性
- 3.以下关于卷积神经网络说法错误的是（ ）选项： A:人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层; B:卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性; C:卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算; D:损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据
- 4.以下关于卷积神经网络说法错误的是( ) 选项： A:人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 B:卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性 C:卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算 D:损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据
- 5.以下关于卷积神经网络说法错误的是( ) 。 选项： A: 卷积神经网络有两个基本概念:权值共享和池化。权值共享使权值参数的个数减小;池化可以使特征图减小,简化计算 B: 损失函数层的作用是用来估算模型的预测值与实际值的差距的函数,它是一个非负的实数值函数,它的值越小,反应该网络的数据拟合性能越好,也就是其结果越逼近原始输入数据 C: 人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 D: 卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性,这种连接恰好也符合生物神经元的稀疏性响应特性
- 6.以下关于卷积神经网络说法错误的是（ ）A.人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层B.卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算C.卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性D.损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据
- 7.以下关于卷积神经网络说法错误的是() 选项： A、人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 B、 卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性 C、 卷积神经网络有两个基本概念：权值共享和地化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算 D、 损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据
- 8.下列关于卷积神经网络(CNN)的说法中,错误的有( )A．卷积神经网络网络一般有输入层、隐藏层、输出层组成B．卷积神经网络的输入层一般包含包含卷积层、池化层和全连接层3类常见构筑C．卷积神经网络的卷积层的功能是对输入数据进行特征提取，池化层的作用是降低特征的维度，进而减小参数量，减少过拟合D．卷积神经网络的全连接层的作用是分类
- 9.下列关于卷积神经网络(CNN)的说法中,错误的有( )A.卷积神经网络网络一般有输入层、隐藏层、输出层组成B.卷积神经网络的输入层一般包含包含卷积层、池化层和全连接层3类常见构筑C.卷积神经网络的卷积层的功能是对输入数据进行特征提取，池化层的作用是降低特征的维度，进而减小参数量，减少过拟合D.卷积神经网络的全连接层的作用是分类
- 10.有关一般卷积神经网络的组成,下面哪种说法是正确的?A、卷积神经网络的层次结构依次是由输入层、卷积层、池化层、激活层和全连接层组成。B、卷积神经网络的层次结构依次是由输入层、卷积层、激活层、池化层和全连接层组成。C、卷积神经网络的层次结构依次是由输入层、激活层、卷积层、池化层和全连接层组成。D、卷积神经网络的层次结构依次是由输入层、池化层、卷积层、激活层和全连接层组成。
- 11.有关一般卷积神经网络的组成，下面哪种说法是正确的？选项： A:卷积神经网络的层次结构依次是由输入层、卷积层、激活层、池化层和全连接层组成; B:卷积神经网络的层次结构依次是由输入层、激活层、卷积层、池化层和全连接层组成; C:卷积神经网络的层次结构依次是由输入层、卷积层、池化层、激活层和全连接层组成; D:卷积神经网络的层次结构依次是由输入层、池化层、卷积层、激活层和全连接层组成
- 12.有关一般卷积神经网络的组成，下面哪种说法是正确的？（1.0分） 选项： A:卷积神经网络的层次结构依次是由输入层、卷积层、激活层、池化层和全连接层组成。 B:卷积神经网络的层次结构依次是由输入层、池化层、卷积层、激活层和全连接层组成。 C:卷积神经网络的层次结构依次是由输入层、卷积层、池化层、激活层和全连接层组成。 D:卷积神经网络的层次结构依次是由输入层、激活层、卷积层、池化层和全连接层组成。得分： 0.0
- 13.有关一般卷积神经网络的组成，下面哪种说法是正确的？ 选项： A:卷积神经网络的层次结构依次是由输入层、卷积层、激活层、池化层和全连接层组成。 B:卷积神经网络的层次结构依次是由输入层、激活层、卷积层、池化层和全连接层组成。 C:卷积神经网络的层次结构依次是由输入层、卷积层、池化层、激活层和全连接层组成。 D:卷积神经网络的层次结构依次是由输入层、池化层、卷积层、激活层和全连接层组成。 E: F:A G:1
- 14.对于卷积神经网络说法正确的有：（ ）选项： A:卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性 B:卷积神经网络在图像分类、目标检测、语义分割等任务中有着广泛的应用 C:卷积神经网络中的池化层的目的是降低特征图的维度，进而降低卷积神经网络的参数量，减少过拟合 D:卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间，全连接层则将抽象特征映射到样本标记空间中
- 15.对于卷积神经网络说法正确的有:() 选项： A、卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性 B、卷积神经网络在图像分类、目标检测、语义分割等任务中有着广泛的应用 C、卷积神经网络中的池化层的目的是降低特征图的维度，进而降低卷积神经网络的参数量，减少过拟合 D、卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间，全连接层则将抽象特征映射到样本标记空间中
- 16.下列不是卷积神经网络的结构特性是哪项？ 选项： A:局部连接 B:权值共享 C:全连接 D:池化连接
- 17.贝叶斯学习是一种以贝叶斯法则为基础的，并通过()手段进行学习的方法。 选项： A:卷积神经网络的层次结构依次是由输入层、卷积层、激活层、池化层和全连接层组成。 B:卷积神经网络的层次结构依次是由输入层、激活层、卷积层、池化层和全连接层组成。 C:卷积神经网络的层次结构依次是由输入层、卷积层、池化层、激活层和全连接层组成。 D:卷积神经网络的层次结构依次是由输入层、池化层、卷积层、激活层和全连接层组成。
