![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
下列关于神经网络的说法:①增加神经网络层数,可能会增加测试数据集的分类错误率;②减少神经网络层数,总是能减小测试数据集的分类错误率;③增加神经网络层数,总是能减小训练数据集的分类错误率,正确的是()。
A.①
B.①③
C.①②
D.②
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.①
B.①③
C.①②
D.②
A.单层感知器的局限在于不能解决异或问题
B.前馈神经网络可用有向无环图表示
C.随着神经网络隐藏层数的增加,模型的分类能力逐步减弱
D.前馈神经网络同一层的神经元之间不存在联系
A.隐藏层层数增加,模型能力增加
B.Dropout的比例增加,模型能力增加
C.学习率增加,模型能力增加
D.都不正确
A.增加网络层数,可能会增加测试集分类错误率
B.增加网络层数,一定会增加训练集分类错误率
C.减少网络层数,可能会减少测试集分类错误率
D.减少网络层数,一定会减少训练集分类错误率
A.传统的BP网络一般都选用二级网络
B.BP网络是一种后馈网络
C.基本BP算法包括信号的前向传播和误差的反向传播两个过程
D.BP神经网络学习算法最核心的三部分是权值调整、输出层连接权调整、隐层连接权调整
A.神经网络的工作原理与生物体内的神经元是完全一样的
B.训练神经网络的实质是对复杂函数求参数最优解的过程
C.增加神经网络的层数和增加每层的神经元个数的效果是一样的
D.神经网络只能进行二分类,不能进行更多种类的分类了
A.一种竞争学习型的无监督神经网络
B.将高维输入数据映射到低维空间,保持输入数据在高维空间的拓扑结构
C.SOM寻优目标为每个输出神经元找到合适的权重
D.输出层神经元以矩阵方式排列在二维空间
A.卷积神经网络只能处理图像信息
B.卷积神经网络是深度学习的代表算法之一
C.卷积神经网络可以用于遥感图像的分割
D.卷积神经网络不只包含卷积层
A.神经网络对训练数据中的噪声非常鲁棒
B.可以处理冗余特征
C.训练ANN是一个很耗时的过程
D.至少含有一个隐藏层的多层神经网络
下列关于RNN、LSTM、GRU说法正确的是()。
A.RNN引入了循环的概念
B.LSTM可以防止梯度消失或者爆炸
C.GRU是LSTM的变体
D.RNN、LSTM、GRU是同一神经网络的不同说法,没有区别