人工神经网络前序传播是从输入计算输出的过程。
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 →
人工神经元的激活函数可以类比生物神经元的细胞体。
- A对
- B错
ReLU函数将输入映射到 0 或 1 作为输出。
下列哪项与人工神经网络训练过程无关?
- A前序传播
- B网络加密
- C梯度下降
- D反向传播
下面对前馈神经网络的描述不正确的是
- A是一种人工神经网络
- B是一种监督学习的方法
- C实现了非线性映射
- D隐藏层数目大小对学习性能影响不大
以下哪些是人工神经元的基本结构?
- A细胞体
- B激活函数
- C输入
- D输出
下列哪个不是人工神经元的常用激活函数?
- A以e为底的指数函数
- B阈值激活函数
- CTanh函数
- DReLU函数
以下哪些是人工神经网络的基本结构?
- A输入层
- B隐藏层
- C输出层
- D状态层
Sigmoid 函数将输入映射到 0 或 1 作为输出。
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
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
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。