（）關於AlexNet敘述下列何者正確

A.建構神經網路時需要知道最終的函數學習機長什麼樣子

B.打造一個神經網路的函數學習機是透過編程來達成

C.神經網路模型可分成輸入層、表現層及輸出層

D.神經網路模型可分成輸入層、隱藏層及輸出層

E.神經網路模型可分成輸入層、激發層及輸出層

A.損失函數是對每個輸入的預測值與真實值的差異計算總和

B.透過梯度下降一定可以找到降低損失函數的最佳解

C.損失函數的變數是可以調整的參數

D.訓練神經網路是透過參數的調整來降低損失函數

E.梯度下降是降低損失函數的一種演算法

B．學習率在迭代的參數調整過程中會固定不變

C．梯度下降是運用積分的技巧來達成

D．損失函數移動的方向跟梯度的方向相同

E．神經網路調整參數的順序是從後面一層層往前調

A.Increasing on (0 , ∞)

B.Increasing on (-4 , ∞)

C.decreasing on (-∞ , -4)

D.decreasing on (-4 , -1)

A.Inflection point (π/3 , 5/4)

B.Inflection point (0 , 3)

C.-

D.-

下列關於函數何者正確？如果。

A、f(x) does not have any inflection point.

B、Inflection point (0 , 0)

C、-

D、-

A.Increasing on (π , 2π)

B.Increasing on (5π/3 , 2π)

C.decreasing on (π/3 , 5π/3)

D.decreasing on (0 , π/3)

下列關於函數何者正確？ 如果,.

A、Local minimum f(π)=-1

B、Local maximum f(π)=-1

C、Concave upward on (5π/3 , 2π)

D、Concave downward on (0 , π/3)

下列關於函數何者正確？如果。

A、Local minimum f(-1)=-3

B、Local maximum f(-1)=-3

C、Concave upward on (-∞ , 0)

D、Concave downward on (0 , ∞)

A.將所有小於 0 的輸出值調整為 0，其餘數值則維持不變

B.將輸出值取絕對值

C.將輸出值取負號

D.將輸出值開根號

E.將輸出值開平方