期思考题及参考解析
150.假设你需要调整参数来最小化代价函数（cost function），可以使用下列哪项技术？
A． 穷举搜索
B． 随机搜索
C． Bayesian优化
D． 以上任意一种
答案：（D）
151.在下面哪种情况下，一阶梯度下降不一定正确工作（可能会卡住）？
答案：（B）
这是鞍点（Saddle Point）的梯度下降的经典例子。另，本题来源于：https://www.analyticsvidhya.com/blog/2017/01/must-know-questions-deep-learning/。
152.下图显示了训练过的3层卷积神经网络准确度，与参数数量(特征核的数量)的关系。
从图中趋势可见，如果增加神经网络的宽度，精确度会增加到一个特定阈值后，便开始降低。造成这一现象的可能原因是什么？
A 即使增加卷积核的数量，只有少部分的核会被用作预测
B 当卷积核数量增加时，神经网络的预测能力（Power）会降低
C 当卷积核数量增加时，它们之间的相关性增加(correlate)，导致过拟合
D 以上都不正确
答案：（C）
如C选项指出的那样，可能的原因是核之间的相关性。
153.假设我们有一个如下图所示的隐藏层。隐藏层在这个网络中起到了一定的降纬作用。假如现在我们用另一种维度下降的方法，比如说主成分分析法(PCA)来替代这个隐藏层。
那么，这两者的输出效果是一样的吗？
答案：不同，因为PCA用于相关特征而隐层用于有预测能力的特征
154.神经网络能组成函数(y=1/x)吗？
答案：可以，因为激活函数可以是互反函数
本期思考题：
155.下列哪个神经网络结构会发生权重共享？
A.卷积神经网络
B.循环神经网络
C.全连接神经网络
D.选项A和B
在评论区留言，一起交流探讨，让更多小伙伴受益。
参考答案在明天公众号上公布，敬请关注！