题目内容（请给出正确答案）

[单选题]

下列关于深度学习说法错误的是（)

A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题

B.CNN相比于全连接的优势之一是模型复杂度低，缓解过拟合

C.只要参数设置合理，深度学习的效果至少应优于随机算法

D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题

单选题，请选择你认为正确的答案：

ABCD

提交

如搜索结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装赏学吧APP，拍照搜题省时又省心！

更多“下列关于深度学习说法错误的是()”相关的问题

第1题

神经网络梯度消失、爆炸的问题，常见的解决方法有哪些（)。

A.Xavier和HE初始化

B.梯度剪切、正则

C.非饱和激活函数

D.Batchnorm

点击查看答案

第2题

下面模型训练的一些常用技巧中，哪些说法是错误的（)？

A.如果训练样本量较大，可选用随机梯度下降(SGD)，它考虑历史梯度信息，更容易跳出局部极小值点

B.在高度非凸的深度网络优化过程，主要难点是鞍点

C.用无监督数据作分层预训练(Layer-wisePre-train)有助于解决梯度饱和问题

D.Sigmoid交叉熵损失函数适合于多标签学习，每一维彼此独立

点击查看答案

第3题

ResNet中引入shortcut的功能包括以下哪些（)？

A.减少了计算量

B.ResNet的梯度通过shortcut回到更早的层，缓解了网络因为深度增大导致的梯度消失

C.引入残差模块，简化了学习

D.改善了网络的特征获取能力

点击查看答案

第4题

梯度爆炸会导致梯度激增，应避免梯度爆炸。（）

点击查看答案

第5题

梯度消失可以通过更好的激活函数来解决。（）

点击查看答案

第6题

下面对梯度下降方法描述不正确的是（)。

A.梯度方向是函数值下降最快方向

B.梯度下降算法是一种使得损失函数最小化的方法

C.梯度下降算法用来优化深度学习模型的参数

D.梯度反方向是函数值下降最快方向

点击查看答案

第7题

对于卷积神经网络而言，减少梯度消失不适合采用以下哪些方法（)？

A.增大学习率

B.减少网络深度(隐层个数)

C.skipconnection

D.减少通道数

点击查看答案

第8题

在食品工程原理的学习中，我们接触到的关于物理量的梯度，共有()。

在食品工程原理的学习中，我们接触到的关于物理量的梯度，共有（)。

A.速度梯度

B.温度梯度

C.浓度梯度

D.湿度梯度

E.质量梯度

点击查看答案

第9题

BP神经网络的学习规则是？（)

A.A.梯度上升法

B.B.梯度下降法

C.C.梯度提升法

D.D.梯度曲线法

点击查看答案

第10题

梯度消失问题的认识哪个是正确的（)？

A.隐藏层太多时，可能导致靠近输入层的权重的偏导数太小而得不到更新

B.神经元处于Sigmoid等激活函数的饱和区工作，梯度值偏小

C.隐藏层神经元的个数太多导致

D.隐层的权重取值大容易导致梯度消失

点击查看答案

警告：系统检测到您的账号存在安全风险

为了保护您的账号安全，请在“赏学吧”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！

微信搜一搜

赏学吧

点击打开微信

警告：系统检测到您的账号存在安全风险

抱歉，您的账号因涉嫌违反赏学吧购买须知被冻结。您可在“赏学吧”微信公众号中的“官网服务”-“账号解封申请”申请解封，或联系客服。

微信搜一搜

赏学吧

点击打开微信