A.玻尔兹曼机是一种存在全互联的神经网络模型B.玻尔兹曼机学习结果是使得网络的输入输出联合概率分布与训练集样本的输入输出联合概率分布接近C.玻尔兹曼机的学习过程是调整权向量和网络结构的过程D.玻尔兹曼机使用李雅普诺夫能量函数描绘网络状态演化的结果
多项选择题关于均值池化以下哪些表述是正确的?()
A.LeNet中使用的是均值池化B.均值池化可以较好地保留图像的背景信息C.均值池化在处理图像时,图像的边缘会被钝化D.均值池化在物体轮廓等特征提取中更有效
多项选择题调节以下哪些部分可以对神经网络的性能造成影响?()
A.激活函数B.权值C.阈值D.隐层单元
单项选择题卷积中的池化不包括以下哪个优点?()
A.保留更多信息B.降维C.减少计算量D.过滤部分噪声
单项选择题下列关于对比散度算法的说法中错误的是?()
A.对比散度算法采用无监督学习规则B.对比散度算法中隐层也被称为特征提取器C.随机梯度下降法迭代修正权向量和偏置量一次就能取得较好结果D.多层同时完成在玻尔兹曼机中的预训练
单项选择题下列关于感知器网络的表述中错误的是?()
A.多层感知器网络在早期的发展中存在如何训练的问题B.网络的层数多少和逼近能力呈正相关C.隐层神经元的输出误差可以直接获取D.BP网络中每个神经元学习的规则都是误差反馈学习