第五章单元测试
- 若两类模式是线性可分的,即存在一个线性超平面能将它们分开,则感知机的学习过程一定会收敛。
- 多隐层感知机比单隐层感知机的表达能力强
- 误差逆传播算法是迄今最成功的神经网络学习算法。
- 基于梯度的搜索是使用最广泛的参数寻优方法,若误差函数在当前点的梯度为零,则已达到全局最小。
多层感知机表示异或逻辑时最少需要( )个隐含层(仅考虑二元输入)
- BP算法基于()策略对参数进行调整
- BP神经网络由于其强大的表示能力,经常遭遇()问题,即训练误差持续下降,但测试误差却可能上升。
- 在现实任务中,人们常采用以下策略来试图跳出局部极小,进而接近全局最小
- 神经网络中的激活函数可以采用线性函数
- 只拥有一层功能神经元(能进行激活函数处理)的感知机学习能力依然很强,能解决异或这样的非线性可分问题。
A:对 B:错
答案:对
A:对 B:错
A:对 B:错
A:对 B:错
A:
2
B:3
C:1
D:4
A:梯度下降 B:最小化误差 C:误差逆传播 D:梯度上升
A:梯度消失 B:欠拟合 C:不收敛 D:过拟合
A:模拟退火 B:遗传算法 C:随机梯度下降 D:梯度下降
A:对 B:错
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!