题目内容
（请给出正确答案）
[多选题]
关于神经网络，下列说法正确的是（）。
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
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
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
如果结果不匹配，请 联系老师 获取答案
更多“关于神经网络，下列说法正确的是（）。”相关的问题
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.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.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.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.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.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.使用增加训练次数的方法不一定可以减少代价函数的取值
B.神经网络权重的初始化大小会对网络的训练结果无影响
C.对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素
D.分析问题确定后，神经网络合适的结构就可以确定
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
