1【單選題】能夠提取出邊緣特徵的網路是(a)。
a、卷積層
b、池化層
c、全連線層
d、輸出層
2【單選題】向量[0.1,0.1,0.2,0.3,0.6]的維數是(b)。
a、10
b、5c、3
d、13【單選題】(a)是用來評估神經網路的計算模型對樣本的**值和真實值之間的誤差大小。
a、損失函式
b、優化函式
c、反向傳播
d、梯度下降
4【單選題】在第五章手寫數字識別的例子中,輸入的為長和寬都是28畫素的,輸出判斷數字0-9的概率。要構建前饋型神經網路去解決這個問題,輸入層是維的,輸出層是維的。(a)
a、784;10
b、28;10
c、784;1
d、28;1
5【單選題】前饋型神經網路的中各個層之間是(c)的,反饋型神經網路中各個層之間是(c)的。
a、有環;有環
b、有環;無環
c、無環;有環
d、無環;無環
6【單選題】關於mnist,下列說法錯誤的是(c)。
a、是著名的手寫體數字識別資料集
b、有訓練集和測試集兩部分
c、訓練集類似人學習中使用的各種考試試卷
d、測試集大約包含10000個樣本和標籤
7【單選題】隱藏層中的池化層作用是(a)訓練引數,對原始特徵訊號進行取樣。
a、減少
b、增加
c、分割
d、組合
8【單選題】如果某個隱藏層中存在以下四層,那麼其中最接近輸出層的是(d)。
a、卷積層
b、池化層
c、全連線層
d、歸一化指數層
9【多選題】乙個完整的人工神經網路包括(ac)。
a、一層輸入層
b、多層分析層
c、多層隱藏層
d、兩層輸出層
10【多選題】前饋型神經網路常用於(ad)。
a、影象識別
b、文字處理
c、問答系統
d、影象檢測
11【判斷題】神經網路中各個隱藏層能提取出和人類看到的一樣的特徵。(×)
12【判斷題】人工神經網路訓練的目的就是使得損失函式最小化。(√)
13【判斷題】誤差的反向傳播,即從第乙個隱藏層到輸出層,逐層修改神經元的連線權值引數,使得損失函式值最小。(×)。
14【判斷題】隱藏層中的全連線層主要作用是將所有特徵融合到一起。(√)
15【判斷題】梯度下降演算法是最常用也是最有效的神經網路的優化辦法,完全可以滿足不同型別的需求。(×)
人工智慧與資訊社會 人工智慧應用
1.單選題 以下四個人工智慧的應用領域中 與其他三個不同的是 c a 影象識別與分類 b 醫學影像分析 c 語音識別 d 人臉識別與情感計算 2.單選題 將結構型的 空間解析度高 紋路細節清晰 與光譜解析度高 色彩豐富的處理成空間解析度和光譜解析度都高的過程稱為 d a 影象配準 b 影象識別 c ...
人工智慧與資訊社會 基於決策樹和搜尋的智慧型系統
1 單選題 乙個運用二分查詢演算法的程式的時間複雜度是 b a 指數級別 b 對數級別 c 常數級別 d 線性級別 2 單選題 人類對於知識的歸納總是通過 a 來進行的。a 判斷 b 列舉 c 猜想 d 3 單選題 第一例專家系統是在 b 領域發揮作用的。a 物理 b 化學 c 數學 d 生物 4 ...
人工智慧和神經網路
人工智慧的發展飛快，這也得益於人工智慧的技術成熟。而人工智慧離不開神經網路，神經網路在人工智慧的發展中也是走過了十分崎嶇的道路，那麼究竟是怎麼一回事呢？我們在這篇文章中給大家介紹一下這個問題。每乙個科學的技術發展程序都是十分相似的，如果我們從歷史來看，就能夠發展一件十分有意思的事情，重大科學的研究往...