()關於AlexNet敘述下列何者正確
A.使用Sigmoid (S形函數)激活函數
B.架構中總共運用了五層卷積層與三層全連接層
C.在第一、二、四個卷積層後接上了池化層
D.在網路的後端接上三層全連接層
E.使用ReLU激活函數
A.使用Sigmoid (S形函數)激活函數
B.架構中總共運用了五層卷積層與三層全連接層
C.在第一、二、四個卷積層後接上了池化層
D.在網路的後端接上三層全連接層
E.使用ReLU激活函數
第1题
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
第2题
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
第3题
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
第4题
A.Increasing on (0 , ∞)
B.Increasing on (-4 , ∞)
C.decreasing on (-∞ , -4)
D.decreasing on (-4 , -1)
第6题
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、-
第7题
A.Increasing on (π , 2π)
B.Increasing on (5π/3 , 2π)
C.decreasing on (π/3 , 5π/3)
D.decreasing on (0 , π/3)
第8题
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)
第9题
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 , ∞)
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!