第五章单元测试
- 人工神经元数学模型的建立是根据实际神经元的工作特性的。
- 人工神经元数学模型中的阈值是模拟实际神经元中的（ ）
- 以下关于BP神经网络的描述中错误的是（ ）
- BP神经网络中采用的负梯度下降算法，当误差目标函数中存在多个极值点时，仍然能够寻找到全局最优解。
- 学习的方式分为在线学习和批量学习。
- 一个神经元并不聪明，但千万个神经元彼此相连在有限的空间里就会产生智慧，这属于群智能的现象之一。
- 深度网络模型中由于存在大量待寻优的参数，因此需要大数据样本进行训练。
- 神经网络的学习过程就是网络中的权值调整的过程。
- 神经网络的泛化能力就是指对样本数据的拟合和逼近效果。
- 以下关于神经网络的描述中错误的是（ ）
A:错 B:对
答案:对
A:神经元对信号的发送作用 B:神经元之间的连接强度 C:神经元对输入信号的汇总作用 D:神经元对信号的抑制作用
A:神经网络的层内之间不存在连 B:前一层的神经元和后一层的神经元存在部分连接关系 C:采用误差反向传播的负梯度下降算法调整网络权值 D:BP网络是一种前向网络结
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:神经网络计算过程中不能省略神经元的阈值参数 B:误差反向传播过程中采用负梯度下降算法 C:神经网络中单个神经元的破坏不会影响结果，因此具有较好的容错机制 D:神经网络具有并行计算的能力
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
