第七章单元测试
- 人工神经网络是一种用符号化的语言获取知识来学习
- 人工神经网络是人脑神经系统的真实描写
- 人工神经网络方法的主要特征包括（ ）
- 加拿大科学家辛顿教授（Geoffrey Hinton）发明了适用于多层感知器的反向传播算法，有效解决了非线性分类和学习的问题
- 单层感知器能力虽然有限, 但可以处理非线性分类问题。
- 感知器( Perceptron)是第一个可以训练的神经网络的模型
- 感知器的权值是根据输出的误差来调整
- 感知器的一种常用的S型函数有sigmoid函数，它的输出范围在0到2之间
- 人工神经网络的结构，可以分为（ ）三大类
- 前馈网络具有递阶分层结构，信号可以通过单向和反向连接流通
A:对 B:错
答案:错
A:对 B:错
A:通过对数学公式的解析直接得到答案 B:并行协同处理数据 C:信息存储在神经元及其之间的链接 D:通过调整神经元链接来模拟人工智能
A:错 B:对
A:对 B:错
A:对 B:错
A:错 B:对
A:对 B:错
A:前馈网络 B:反馈网络 C:随机网络 D:网状网络
A:对 B:错
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
