[1] de elección múltiple puede extraer la característica de borde de la imagen es una red (A).
A, capa de convolución
B, capa agrupada
C, toda la capa de conexión
D, capa de salida
Opción múltiple vector [2] [0.1,0.1,0.2,0.3,0.6] es el número de dimensiones (B).
A, 10
B, 5
C, 3
D, 1
Se usó [3] de elección múltiple (A) para evaluar la magnitud del error entre el valor predicho y el valor real de la red neural modelo computacional de la muestra.
Una, la pérdida de la función
B, la función de optimización
C, de retropropagación
D, pendiente de descenso
[4] En el caso de reconocimiento de dígitos manuscrita elección Capítulo múltiple, las imágenes de entrada son la longitud y anchura de la imagen de píxeles 28 de, la determinación de probabilidad de salida 0-9. Para construir redes neuronales a la alimentación de avance para resolver este problema, la dimensión capa de entrada, una dimensión de la capa de salida. (A)
A, 784; 10
B, 28; 10
C, 784; 1
D, 28; 1
elección múltiple entre [5] de alimentación directa a la red neural de cada capa es de (C), la red neural de tipo realimentación es (C) entre las diversas capas.
A, hay anillo; el anillo
B, tiene un anillo; acíclico
C, acíclico; annulate
D, acíclico; acíclico
[6] opción múltiple en MNIST, la siguiente instrucción es falsa (C).
A, se conoce conjunto de datos de reconocimiento numeral manuscrita
B, hay entrenamiento y prueba de dos piezas
C, con un humano-como aprender una variedad de formación conjunto de documentos de examen
D, conjunto de prueba contiene alrededor de 10.000 muestras y etiquetas
7 pooling capa de efecto] [elección múltiple es capa oculta (A) parámetros de entrenamiento, en el que se muestrea la señal original.
A, reducir
B, aumento
C, dividido
D, combinado
[8] de elección múltiple si hay una capa oculta de cuatro capas, entonces la capa que está más próxima a la salida (D).
A, capa de convolución
B, capa agrupada
C, toda la capa de conexión
D, capa de índice normalizado
[9] una opción múltiple completa de los comprende de redes neuronales artificiales (AC).
A, una capa de entrada
B, Análisis de una capa de múltiples capas
C, la capa de múltiples capas oculta
D, la capa dos de salida
[10] múltiples redes neuronales elección feedforward utilizados en (AD).
A, reconocimiento de imágenes
B, procesamiento de textos
C, sistema de pregunta y respuesta
D, detección de imágenes
[11] Analizando el título de cada red neuronal capa oculta puede extraer y como se ve características humano. (×)
[12] Verdadero o Falso Red Neuronal Artificial Formación El objetivo es hacer que la función de pérdida se reduce al mínimo. (√)
[13] Verdadero o Falso propagación hacia atrás de error, es decir, desde la primera capa oculta a la capa de salida, capa por capa para modificar los valores de los parámetros de pesos de conexión de las neuronas, de modo que el valor de la función mínima pérdida. (X).
Verdadero o Falso [14] un papel importante en la capa oculta capas totalmente conectadas están fusionados juntos todas las características. (√)
enfoque de optimización [15] para determinar las preguntas algoritmo de descenso de gradiente es el más común y más eficaz red neuronal, satisfacer plenamente las necesidades de los diferentes tipos. (×)