A.Kai-FuLee
B.GeoffreyHinton
C.YoshuaBengio
D.YangLeCun
E.AndrewNg
您可能感興趣的試卷
你可能感興趣的試題
A.RNN
B.CNN
C.FCNN
D.LSTM
E.GAN
A.以數(shù)學(xué)眼光來(lái)看CNN是NN的子集合
B.機(jī)器學(xué)習(xí)是深度學(xué)習(xí)的一種
C.人工智能是一種深度學(xué)習(xí)
D.深度學(xué)習(xí)通常隱藏層在百層以上的神經(jīng)網(wǎng)絡(luò)，這樣才夠深
E.CNN是一種有記憶的神經(jīng)網(wǎng)絡(luò)，會(huì)記得上一次的輸入
A.神經(jīng)網(wǎng)絡(luò)調(diào)整參數(shù)的方式是一種前饋神經(jīng)網(wǎng)絡(luò)（FeedforwardNeuralNetwork）
B.學(xué)習(xí)率在迭代的參數(shù)調(diào)整過(guò)程中會(huì)固定不變
C.梯度下降是運(yùn)用積分的技巧來(lái)達(dá)成
D.損失函數(shù)移動(dòng)的方向跟梯度的方向相同
E.神經(jīng)網(wǎng)絡(luò)調(diào)整參數(shù)的順序是從后面一層層往前調(diào)
A.損失函數(shù)是對(duì)每個(gè)輸入的預(yù)測(cè)值與真實(shí)值的差異計(jì)算總和
B.透過(guò)梯度下降一定可以找到降低損失函數(shù)的最佳解
C.損失函數(shù)的變量是可以調(diào)整的參數(shù)
D.訓(xùn)練神經(jīng)網(wǎng)絡(luò)是透過(guò)參數(shù)的調(diào)整來(lái)降低損失函數(shù)
E.梯度下降是降低損失函數(shù)的一種算法
A.傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)是指全鏈接神經(jīng)網(wǎng)絡(luò)
B.全鏈接神經(jīng)網(wǎng)絡(luò)也叫標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)
C.標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)通常稱為NN（neuralnetwork）
D.全鏈接神經(jīng)網(wǎng)絡(luò)的每個(gè)神經(jīng)元都會(huì)跟前后層的神經(jīng)元相連
E.每個(gè)神經(jīng)元內(nèi)部的計(jì)算架構(gòu)都不一樣
最新試題
依存句法分析（DependencyParsing）主要用于分析什么（）？
根據(jù)新數(shù)據(jù)集的大小和數(shù)據(jù)集的相似程度，下列選項(xiàng)不屬于遷移學(xué)習(xí)方法情況的是的是（）。
在自然語(yǔ)言處理中，哪些方法可以用于提升自動(dòng)對(duì)話系統(tǒng)和文本摘要生成的自然性和流暢性（）？
在機(jī)器學(xué)習(xí)中，核技巧（KernelTrick）主要用于解決什么問(wèn)題（）？
在自然語(yǔ)言處理任務(wù)中，哪些技術(shù)適用于提升文本分類的性能（）？
在強(qiáng)化學(xué)習(xí)中，什么是“動(dòng)態(tài)規(guī)劃”（DynamicProgramming）（）？
在深度學(xué)習(xí)中，哪些方法可以用于優(yōu)化模型訓(xùn)練過(guò)程并提高模型在特定任務(wù)上的表現(xiàn)（）？
數(shù)量歸約中無(wú)參數(shù)的方法一般使用（）。
在自然語(yǔ)言處理任務(wù)中，哪些技術(shù)適用于改善實(shí)體識(shí)別和關(guān)系抽取的效果（）？
人工智能中的“序列到序列”模型主要用于處理什么類型的數(shù)據(jù)（）？