第八章单元测试
- 有关循环神经网络（RNN）的理解，以下哪些说法是正确的？（ ）
- 长短期记忆网络（LSTM）通过遗忘门减少一般循环神经网络（RNN）的短期记忆不足，但增加算法的计算复杂度。（ ）
- 误差的反向传播，即从第一个隐藏层到输出层，逐层向前修改神经元的连接权值参数，使得损失函数值最小。（ ）
- Sigmoid函数在变量取绝对值非常大的正值或负值时会出现饱和现象，意味着函数会变得很平，并且对输入的微小改变会变得不敏感。在反向传播时，当梯度接近于0，权重基本不会更新，很容易就会出现梯度消失的情况，从而无法完成深层网络的训练。（ ）
设输入为
，滤镜（卷积核）为
，在步幅为1且无填充等其他特殊处理的情况下，请计算卷积生成的镜像V
A:对于只有在最后一个时刻有输出的RNN，可以拟合输出的时序数据之间的关系对应的类别，例如商超客户的消费行为分析 B:某个时刻t，隐层神经元拟合了上一时刻输入与输出以及当前输入与输出的关系 C:RNN不能处理数值型时序的数据，例如由某行业几个月的平均股票价格预测未来月份的平均股票价格 D:某个时刻t输入和输出之间的关系可以通过隐层神经元拟合
答案:对于只有在最后一个时刻有输出的RNN，可以拟合输出的时序数据之间的关系对应的类别，例如商超客户的消费行为分析###某个时刻t，隐层神经元拟合了上一时刻输入与输出以及当前输入与输出的关系###某个时刻t输入和输出之间的关系可以通过隐层神经元拟合
A:错 B:对
A:错 B:对
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!
