回归分析只能预测一个连续值。
人工智能通识基础 练习题
共 674 道题，以下仅展示题目与选项，供练习与学习使用。
想边做边批改、自动判分、收藏错题？
前往主站在线练习《人工智能通识基础》，获得完整学习体验。
前往 爱课堂 学习 →
学习率越大，模型训练越快且效果越好。
半监督学习结合了监督学习和无监督学习的优势。
聚类结果中的每个簇必须有标签。
异常值对机器学习模型的训练没有影响。
支持向量机只能处理线性可分的数据。
模型在验证集上的表现可以作为选择模型的依据。
人工神经网络的基本组成单元是（ ）
- A神经元
- B决策树
- C聚类中心
- D支持向量
机器学习模型的效果只取决于算法选择，与数据无关。
人工神经元接收到输入信号后，首先要进行的操作是（ ）
- A通过激活函数
- B对输入进行加权求和
- C随机输出结果
- D直接输出最大值
激活函数在神经网络中的作用是（ ）
- A加速模型训练
- B减少参数数量
- C引入非线性变换
- D增加数据量
ReLU激活函数的数学表达式是（ ）
- Af(x)=max(0,x)
- Bf(x)=1/(1+e^(-x))
- Cf(x)=x
- Df(x)=e^x
Sigmoid函数的输出范围是（ ）
- A(-infinity,+infinity)
- B(0,1)
- C(-1,1)
- D(0,+infinity)
以下不属于常见激活函数的是（ ）
- AReLU
- BSigmoid
- CTanh
- DSoftmax
前馈神经网络的特点是（ ）
- A信息单向流动，没有反馈
- B信息可以双向流动
- C有循环连接
- D没有隐藏层
反向传播算法的作用是（ ）
- A前向计算输出
- B计算梯度并更新权重
- C初始化网络参数
- D选择网络结构
神经网络中「隐藏层」是指（ ）
- A输入数据的层
- B输出结果的层
- C输入层和输出层之间的层
- D不需要的层
如果一个神经网络有1个输入层、3个隐藏层和1个输出层，那么这个网络一共有（ ）层
- A3层
- B4层
- C5层
- D6层
神经网络的权重初始化对训练的影响是（ ）
- A没有任何影响
- B只影响训练速度
- C影响训练速度和最终效果
- D只影响最终效果
小钱在学习神经网络时，发现模型的损失值在训练过程中一直不变，可能的原因是（ ）
- A学习率太大
- B学习率太小
- C数据量太大
- D隐藏层太少
本页仅提供题目与选项供学习参考，不含答案。如需系统练习、自动判分与错题本，欢迎前往主站《人工智能通识基础》在线练习。