关于神经网络模型的说法,哪些是不正确的?()
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.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.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.目标检测常使用深度学习中卷积神经网络模型
B.训练好的目标检测算法可以用于边缘计算
C.机器视觉场景往往需要应用边缘计算
D.边缘计算就是一种人工智能
A.人工智能指的是真正能思考、有知觉、有自我意识的人类级别的智能机器
B.阿尔法围棋的核心系统属于基于神经网络的深度学习,过大量数据分析学习棋谱,再通过增强学习的方法自我博弈,寻找比基础棋谱更多的打击点来击败对手
C.人工智能、机器学习与深度学习是相对独立的,它们之间没有必然的联系
D.神经网络是目前人工智能领域的研究热点之一,是一种模拟动物神经网络行为特征,进行并行信息处理的算法模型
A.激活函数都是非线性函数
B.激活函数大多数是非线性函数,少数是线性函数
C.激活函数都是线性函数
D.激活函数部分是非线性函数,部分是线性函数
A.在卷积神经网络中,采用平均池化可减小误差,适用于需要突出纹理等特征的场景中
B.ResNet通过增加恒等映射,增加参数从而减少模型优化的难度,实现性能提升
C.空间金字塔池化(SPP)通过把图像的卷积特征转化成相同维度的特征向量,使模型可以处理任意尺寸的图像
D.批规范化(batchnormalization)是在不引入新参数的情况下保证每一层网络的输入具有相同的分布
A.审计风险是预先设定的
B.重大错报风险是评估的
C.审计风险是注册会计师审计前面临的
D.检查风险是注册会计师通过实施实质性程序控制的
A.内部控制测评不能代替实质性测试
B.内部控制可能因经营环境、业务性质的改变而削弱或失效
C.内部控制可能因执行人员滥用职权而失效
D.设计和运行的内部控制在审计风险模型中,控制风险为零
A.采用编程语言或者专用模拟软件进行模型创建
B.对模拟计算机程序或模型进行验证
C.将模型的输出结果和实际系统的性能指标数据进行比较
D.无论是否存在实际系统,都需要主管人员对模型输出结果的正确性进行评估
E.采用敏感性分析方法来确定模型的一些因素是否对性能指标有显著的影响
A.在数据假设相同的情况下,三种现金流量折现模型的评估结果是相同的
B.企业价值评估中通常将预测的时间分为详细预测期和后续期两个阶段
C.公司现金流量=股利现金流量+债务现金流量
D.股权现金流量只能股权资本成本来折现,公司现金流量只能用加权平均资本成本来折现