关于模型参数(权重值)的描述,正确的说法是哪些()?
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
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1题
A.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值减小的方向
B.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值增加的方向
C.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值不变的方向
D.批量梯度下降法(BGD)每一次对模型参数的调整,都朝向代价函数值发生变化的方向
第2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3题
A.学习率控制每次更新参数的幅度,学习率越大模型准确率越高
B.固定学习率比Adam自动调整学习率更快训练完成
C.过高的学习值会使损失值不降反升
D.学习率对模型训练时长有影响,对模型性能没有影响
第4题
A.BP神经网络的训练过程中,先进行后向传播再进行前向传播
B.通过损失函数对后向传播结果进行判定
C.通过前向传播过程对权重参数进行修正
D.训练过程中权值参数的运算量很大,一般采用梯度下降法
第5题
A.权重衰减通过赋予神经元某个权值从而避免梯度消失
B.当数据集中有噪声时,权重衰减可以在训练中逐渐修正神经网络的权重
C.权重衰减是一种正则化技术,通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制
D.权重衰减是在训练过程中逐渐减少学习率
第6题
A.createfunction函数名(参数)returnstablebeginreturn查询语句end
B.createfunction函数名(参数)returns数据类型beginreturm变量/值;end
C.createfunction函数名(参数)retumtablebeginretum查询语句;end
D.createfunction函数名(参数)returm数据类型beginretum变量/值;end
第7题
A.样本越少,模型的方差越大
B.如果模型性能不佳,可减少样本多样性进行优化
C.增加数据可以减少模型方差
D.样本越多,模型训练越快,性能越好
第9题
A、感知器模型中的激活函数是二值函数时,损失函数是可导的
B、感知器模型的关键,就是通过调整权重使一类样本可以激活神经元,而另一类则不会
C、重调整采用“奖惩分明”策略,即对于能够准确判断样本类型的权重,提高当前权重比例,反之则降低当前权重比例
D、一层感知器只能针对线性可分的数据集分类,无法解决异或(XOR)问题
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!