![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
对于神经网络来讲,以下哪个说法是正确的?()
A.优化凸目标函数
B.只能在随机梯度下降的情况下进行训练
C.可以混合使用不同的激活功能
D.以上均不是
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.优化凸目标函数
B.只能在随机梯度下降的情况下进行训练
C.可以混合使用不同的激活功能
D.以上均不是
A.正向传播更新参数
B.正向传播计算结果
C.反向传播更新参数
D.反向传播计算结果
A.卷积中的通道数量只能是1或3
B.池化核大小与步长相等
C.Padding时各方向的填充不一定对称
D.卷积核越小,卷积后的结果越抽象
A.隐藏层数适当诚少,神经网络的分辨能力不变
B.隐藏层数适当增加,神经网络的分辨能力越弱
C.隐藏层数适当增加,神经网络的分辨能力越强
D.隐藏层数适当减少,神经网络的分辨能力越强
A.训练时新样本的加入对已经学习的样本没影响
B.易陷入局部极小值
C.学习效率低,收敛速度慢
D.隐层的个数以及隐层节点的数量选取缺乏理论指导
A.神经网络可以实现线性分类
B.神经网络可以实现非线性分类
C.神经网络的每层神经元激活函数值阈必须在[-1,1]
D.神经网络的每层神经元激活函数必须相同
A.交叉熵也可以作为分类预测问题的损失函数
B.在使用梯度下降时,加上冲量项会减少训练的速度,但可能会增加陷入局部极小值的可能
C.与批量梯度下降法相比,使用小批量梯度下降法可以降低训练速度,但达到全局最优解可能需要更多的迭代次数
D.神经元的激活函数选择不影响神经网络的训练过程和最终性能
A.免费的
B.支持主流的机器视觉功能
C.基于典型卷积神经网络以及英特尔®硬件(包括加速器),实现性能最大化
D.一种云计算平台
A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络,降低了Fast-RCNN的mAP
B.候选框的目标分类和边框精调都由卷积神经网络承担,这也提高了算法的速度
C.舍弃了R-CNN的多尺度池化,提高了算法的速度
D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
A.执行新指南能够提高院外心脏骤停的存活率
B.对儿童来讲,传统CPR不具有优势
C.对于儿童来说,非心脏病因只用按压效果好
D.标准生命复苏跟连续只按压的效果差别明显