题目内容（请给出正确答案）

[单选题]

下面关于BP神经网络的训练的说法中，正确的说法是哪个？

A.BP神经网络的训练过程中，先进行后向传播再进行前向传播

B.通过损失函数对后向传播结果进行判定

C.通过前向传播过程对权重参数进行修正

D.训练过程中权值参数的运算量很大，一般采用梯度下降法

答案

A、BP神经网络的训练过程中，先进行后向传播再进行前向传播

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“下面关于BP神经网络的训练的说法中，正确的说法是哪个？”相关的问题

第1题

下面关于BP神经网络的说法中，错误的说法是哪个？

A.BP神经网络是前馈神经网络

B.BP神经网络的参数权重值是由反向传播学习算法进行调整的

C.BP神经网络模型拓扑结构包括输入层、隐层和输出层

D.BP神经网络利用激活函数来实现从输出到输入的非线性映射

点击查看答案

第2题

对完成特定任务的卷积神经网络训练采用的是监督学习方法。在这个过程中，通过误差后向传播来优化调整网络参数，请问下面哪个不是通过误差后向传播来优化的（）。

A.模型的隐藏层数目

B.激活函数中的参数

C.全连接层的链接权重

D.卷积滤波矩阵中的参数

点击查看答案

第3题

深度学习采用了layer-wise的训练机制，克服了BP神经网络训练中的梯度扩散问题。

点击查看答案

第4题

关于神经网络预测，错误的是

A.神经网络适合于大数据的预测

B.神经网络每一次预测的结果不一定相同

C.神经网络预测过程是个黑匣子，根本就没有数学模型

D.神经网络有很多方法，BP神经网络只是其中一种方法而矣

点击查看答案

第5题

前馈神经网络通过误差后向传播（BP算法）进行参数学习，这是一种（）机器学习手段。

A.半监督学习

B.无监督学习和监督学习的结合

C.监督学习

D.无监督学习

点击查看答案

第6题

与R-CNN相比，有关Fast-RCNN的说法错误的是哪个？

A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP

B.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度

C.舍弃了R-CNN的多尺度池化，提高了算法的速度

D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络

点击查看答案

第7题

在训练神经网络的过程中，如果刚训练几步损失函数的值就开始剧烈抖动，大概率是因为（）

A.学习率过大

B.学习率过小

C.模型已经训练好了

D.以上都不可能造成上述情况

点击查看答案

第8题

哪个权重的取值或调整方法不能改善卷积神经网络的训练和性能？

A.He初始化

B.dropout

C.batch normalization

D.任意随机初始化

点击查看答案

第9题

下面关于卷积神经网络相关描述中，正确的说法是哪个？

A.卷积中的通道数量只能是1或3

B.池化核大小与步长相等

C.Padding时各方向的填充不一定对称

D.卷积核越小，卷积后的结果越抽象

点击查看答案

第10题

对于任意的连续函数f，存在一个三层BP神经网络，该神经网络可以以任意精度拟合函数f。

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