第七章单元测试
神经元节点计算什么（）
在一个神经网络里，知道每一个神经元的权重和偏差是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，你就可以近似任何函数。实现这个最佳的办法是什么？
梯度下降算法的正确步骤是什么？
1.计算预测值和真实值之间的误差
2.迭代跟新，直到找到最佳权重
3.把输入传入网络，得到输出值
4.初始化随机权重和偏差
5.对每一个产生误差的神经元，改变相应的（权重）值以减小误差
以下什么情况下神经网络模型被称为深度学习模型？
卷积神经网络可以对一个输入完成不同种类的变换（旋转或缩放），这个表述正确吗？
A:神经元节点计算函数g，函数g计算(Wx + b) B:神经元节点先计算激活函数，再计算线性函数(z = Wx + b) C:神经元节点先计算线性函数（z = Wx + b），再计算激活 D:在将输出应用于激活函数之前，神经元节点计算所有特征的平均值
答案:神经元节点先计算线性函数（z = Wx + b），再计算激活
A:都不正确 B:赋予一个初始值，通过检查跟最佳值的差值，然后迭代更新权重 C:随机赋值，祈祷它们是正确的 D:搜索所有权重和偏差的组合，直到得到最佳值
A:3, 2, 1, 5, 4 B:1, 2, 3, 4, 5 C:5, 4, 3, 2, 1 D:4, 3, 1, 5, 2
A:当这是一个图形识别的问题时 B:有维度更高的数据 C:加入更多层，使神经网络的深度增加 D:都不正确
A:错 B:对
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
