[1] escolha múltipla pode extrair o recurso borda imagem é uma rede (A).
Uma, camada convolução
B, camada reunida
C, a camada de ligação inteiro
D, camada de saída
Múltiplas vector de escolha [2] [0.1,0.1,0.2,0.3,0.6] é o número de dimensões (B).
Um, 10
B, 5
C, 3
D, 1
[3] escolha múltipla (A) foi utilizado para avaliar a magnitude do erro entre o valor previsto e o valor real do modelo computacional da rede neural da amostra.
A, perda de função
B, a função de optimização
C, volta-propagação
D, gradiente de descida
[4] Em caso de escolha múltipla Capítulo reconhecimento dígitos escrita à mão, as imagens de entrada são o comprimento e largura da imagem de pixel 28, a determinação de probabilidade de saída 0-9. Para construir um feed-forward redes neurais para resolver este problema, a dimensão camada de entrada, uma dimensão da camada de saída. (A)
A, 784; 10
B, 28; 10
C, 784; 1
D, 28; 1
escolha múltipla entre [5] feedforward rede neural de cada camada é (C), a rede neural de tipo realimentação é (C) entre as várias camadas.
Um, há anel; o anel
B, tem um anel; acíclico
C, acíclico; anelado
D, acíclico; acíclico
[6] escolha múltipla em MNIST, a seguinte declaração é falsa (C).
Um, é conhecido manuscrita conjunto de dados de reconhecimento numeral
B, há treinamento e teste de conjuntos de duas peças
C, com um homem-como aprender uma variedade de conjunto de treinamento papéis do exame
D, grupo de teste contém cerca de 10000 amostras e etiquetas
camada 7 pooling efeito] [parâmetros de formação escolha múltipla é a camada escondida (A), em que o sinal original é amostrado.
A, reduzir
B, aumento
C, dividido
D, combinado
[8] escolha múltipla, se houver uma camada oculta de quatro camadas, em seguida, a camada que está mais próxima da saída (D).
Uma, camada convolução
B, camada reunida
C, a camada de ligação inteiro
D, camada índice normalizada
[9] uma escolha múltipla completa de compreende rede neural artificial (AC).
Uma, camada de uma entrada
B, Análise de uma camada de múltiplas camadas
C, a camada de múltiplas camadas escondidas
D, camada duas saídas
[10] várias redes neurais escolha feedforward utilizados na (AD).
A, reconhecimento de imagem
B, processamento de texto
C, sistema pergunta resposta
D, de detecção de imagem
[11] A análise do título de cada rede neural camada escondida pode extrair e como pode ser visto características humano. (X)
[12] Verdadeiro ou Falso Rede Neural Artificial Training O objetivo é fazer com que a função de perda é minimizada. (√)
[13] Verdadeiro ou Falso propagação de erro para trás, isto é, a partir da primeira camada escondida para a camada de saída, camada por camada para modificar os valores dos parâmetros de pesos de conexão de neurónios, de modo que o valor da função de perda mínima. (×).
Verdadeiro ou Falso [14] um papel importante na camada escondida camadas totalmente ligadas são fundidas em conjunto todas as características. (√)
abordagem de otimização [15] para determinar perguntas algoritmo gradiente descendente é o mais comum e rede neural mais eficaz, satisfazer plenamente as necessidades de diferentes tipos. (X)