有关神经网络参数初始化的说法错误的是哪个()?
A.权重和偏置都可以取全零初始化
B.使用正态分布初始化,但权重取太大或太小都会影响网络的训练
C.Xavier初始化可以减少梯度消失
D.合适的权重初始化可以加快神经网络的训练和效果
A.权重和偏置都可以取全零初始化
B.使用正态分布初始化,但权重取太大或太小都会影响网络的训练
C.Xavier初始化可以减少梯度消失
D.合适的权重初始化可以加快神经网络的训练和效果
第2题
A.使用增加训练次数的方法不一定可以减少代价函数的取值
B.神经网络权重的初始化大小会对网络的训练结果无影响
C.对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素
D.分析问题确定后,神经网络合适的结构就可以确定
第3题
A.kaiming初始化
B.均匀分布初始化(uniform)
C.xavier初始化
D.高斯初始化(gaussian)
第4题
A.每一次Epoch都会对之前的参数进行调整,迭代次数越多,损失函数一般越小
B.训练好的神经网络模型存储于一定结构的神经元之间的权重和神经元的偏置中
C.在训练神经网络过程中,参数不断调整,其调整的依据是基于损失函数不断减少
D.模型参数量越多越好,但没有固定的对应规则
第5题
A.BP神经网络是前馈神经网络
B.BP神经网络的参数权重值是由反向传播学习算法进行调整的
C.BP神经网络模型拓扑结构包括输入层、隐层和输出层
D.BP神经网络利用激活函数来实现从输出到输入的非线性映射
第6题
A.这不会对训练产生影响。只要随机初始化权重,梯度下降不受权重大小的影响。
B.这会导致tanh的输入也非常大,从而使梯度也变大。因此,你必须将学习率α设置得非常小以防止发散。这会减慢网络参数学习速度。
C.这会导致tanh的输入也非常大,从而使梯度接近于零,优化算法将因此变得缓慢。
D.这会导致tanh的输入也非常大,导致神经元被“高度激活”,从而加快了学习速度。
第7题
A.系统初次安装或重新完全安装时进行的操作
B.系统每次使用时都需要初始化
C.只在系统初次安装时使用初始化
D.升级安装时也必须使用初始化
第8题
A.神经网络神经元的输出都是传给其他神经元,不能再反馈回来
B.神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整,使得代价函数极小化
C.均方差损失函数是神经网络常用的一种代价函数(损失函数)
D.神经网络不同层次的神经元可以使用不同的激活函数
第10题
A.Session和Cookie都可以记录数据状态
B.在设置Session和Cookie之前不能有输出
C.在使用Cookie前要使用cookie_start()函数初始化
D.Cookie是客户端技术,Session是服务器端技术
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!