请输入或粘贴题目内容
搜题
拍照、语音搜题，请扫码下载APP
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
答案
更多“关于神经网络，下列说法正确的是（）。”相关的问题
第1题
A.计算机视觉领域中，人脸识别、物体识别、物体目标检测等方向已经在人们的生活中得到了广泛的应用
B.计算机视觉目前仍然使用的还是二维图像，尤其神经网络算法中的数据集全部都是二维图片
C.计算机视觉是人工智能目前应用最广泛的领域之一
D.人脸识别领域、火车身份认证，手机屏幕解锁等应用的是模式识别技术，并未涉及计算机视觉
第2题
A.BP神经网络的训练过程中，先进行后向传播再进行前向传播
B.通过损失函数对后向传播结果进行判定
C.通过前向传播过程对权重参数进行修正
D.训练过程中权值参数的运算量很大，一般采用梯度下降法
第3题
A.神经网络可以实现线性分类
B.神经网络可以实现非线性分类
C.神经网络的每层神经元激活函数值阈必须在[-1,1]
D.神经网络的每层神经元激活函数必须相同
第5题
A.关于神经网络,著名的赫布规则提出了一个神经网络里信息是储藏在突触连接的权中的概念
B.MP模型的提出标志着神经计算时代的开始
C.人工神经网络的基本模型有:单层前向神经网络和隐层前向神经网络
D.人脑神经系统的基本单元是神经元,一般所说的神经元是双极神经元,由细胞体、一个轴突和若干树突组成
第6题
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
第7题
A.CNN和RNN都属于神经网络，因此二者的训练方式完全一致，均采用BP算法。
B.CNN和RNN都采用了权值共享机制以减少网络中的参数量。
C.在同一个网络中，CNN结构和RNN结构不能同时使用。
D.CNN适用于图像处理，而RNN适用于序列数据处理。
第8题
A.人工智能和人类智能是两个完全不同的概念，人类智能主要是生物学意义上的智能，涉及意识(CONSCIOUSNESS)、自我(SELF)、思维(MIND)等哲学概念，而人工智能恰恰相反，其研究内容不涉及人类智能
B.1956年，约翰·麦卡锡(John McCarthy)在达特茅斯学院组织了机器智能、人工神经网络和自动化理论暑期研讨会，提出了人工智能的概念，成为人工智能诞生的标志
C.1943年，心理学家沃伦·麦卡洛克(Warren McCulloch)和数理逻辑学家沃尔特·皮兹(Walter Pitts)发表《神经活动中内在思想的逻辑演算》，被认为是人工智能研究的开篇之作
D.1950年，图灵发表论文Computing Machinery and Intelligence，开始关注人工智能问题
第9题
A.神经元感知器是一种简单的前馈式神经网络
B.神经元感知器可以接收n个输入，对应n个权重值
C.神经元感知器接收的n个输入对应n个偏置值
D.神经元感知器经过激活函数变换后输出结果
第10题
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
第11题
A.CNN中的全连接层常用softmax作为激活函数。
B.CNN中的池化层用于降低特征图维数，以避免过拟合。
C.CNN由卷积层、池化层和全连接层组成，常用于处理与图像有关的问题。
D.由于卷积核的大小一般是3*3或更大，因此卷积层得到的特征图像一定比原图像小。
