线性回归和逻辑回归的损失函数类型相同。
- A对
- B错
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 →
增加训练数据量是缓解过拟合的有效方法。
- A对
- B错
人工神经网络前序传播是从输人计算输出的过程。
- A对
- B错
ReLU函数将输人映射到 0 或 1 作为输出。
- A对
- B错
Sigmoid 函数将输人映射到 0 或 1 作为输出。
- A对
- B错
激活函数的作用是给神经元引入非线性特性。
- A对
- B错
神经网络的隐藏层数量越多，模型训练越容易收敛。
- A对
- B错
Keras 中 Sequential 模型适合搭建简单的线性堆叠网络。
- A对
- B错
反向传播仅调整输出层的权重。
- A对
- B错
人工神经元的输出等于输入与权重的乘积之和。
- A对
- B错
卷积神经网络只能以图像作为输人。
- A对
- B错
CNN 的池化操作主要用于提升模型计算速度，不影响特征提取。
- A对
- B错
RNN 存在梯度消失问题，难以处理长时序数据。
- A对
- B错
数据增强方法需与具体任务匹配，否则会降低模型效果。
- A对
- B错
学习率越大，深度学习模型的训练效果越好。
- A对
- B错
深度学习模型的训练仅依赖算法，与硬件无关。
- A对
- B错
大语言模型能完全替代人工完成理工科实验报告撰写。
- A对
- B错
文生代码生成的代码无需验证即可直接使用。
- A对
- B错
大语言模型的能力与其训练数据量正相关。
- A对
- B错
大语言模型仅能处理文本数据，无法辅助理工科数值计算。
- A对
- B错
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。