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。

判断题神经网络的学习过程就是网络中的权值调整的过程。

判断题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。

判断题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。

判断题学习的方式分为在线学习和批量学习。

判断题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。

单项选择题以下关于BP神经网络的描述中错误的是（）。

A.采用误差反向传播的负梯度下降算法调整网络权值
B.BP网络是一种前向网络结
C.神经网络的层内之间不存在连
D.前一层的神经元和后一层的神经元存在部分连接关系

单项选择题人工神经元数学模型中的阈值是模拟实际神经元中的（）。

A.神经元对信号的抑制作用
B.神经元之间的连接强度
C.神经元对信号的发送作用
D.神经元对输入信号的汇总作用

判断题当模糊推理中存在多条已知关系时，每个子关系计算的结果再进行“交”运算得到最后的推理关系R。

判断题在制定模糊查询表时需要根据实际的经验进行设定。

单项选择题关于模糊控制的描述中错误的是（）。

A.模糊控制的输入一般是误差和误差的变化率
B.模糊控制中首先应该将传感器和设定值偏差通过量化因子转换到离散论域
C.模糊推理的结果通过隶属度最大化原则得到离散论域值，再通过比例因子转换为实际值输出
D.模糊控制隶属度的选取可以随意给定

判断题模糊控制具有一定的不确定性，因此不能实现精确控制。

单项选择题常见的解模糊方法有（）。

A.最大隶属度法
B.重心法
C.加权平均法
D.以上都是

判断题在实际模糊控制任务中，模糊推理可以在离线状态下设计一个模糊规则表，以查询表的方式实现模糊推理。

判断题模糊化接口一般采用隶属度最大化原则实现由实际取值到模糊集合的映射。

判断题设计模糊控制器时可以无需进行模糊化接口的一步。