2020 人工神经网络（黄清宝）(广西大学) 最新满分章节测试答案
本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-02-24到2020-05-20
本篇答案更新状态:已完结
第二单元 神经网络基本概念与BP神经网络 神经网络基础
1、 问题:有关神经网络的认识正确的是？
选项：
A:感知器可拟合任意的非线性函数。
B:神经网络的结构多样，但它们只能处理监督式学习问题。
C:BP神经网络通过调整网络的权重和偏置，使得损失函数逼近最小，从而达到拟合训练样本的目的。
D:神经网络可以直接处理非数值型的输入数据。
答案: 【BP神经网络通过调整网络的权重和偏置，使得损失函数逼近最小，从而达到拟合训练样本的目的。】
2、 问题:有关激活函数错误的说法是？
选项：
A:激活函数是神经元的输入和输出映射函数。
B:激活函数会影响神经网络的训练过程，因此会影响神经网络模型的质量。
C:在修正权重的过程中，靠近多层神经网络输出层的神经元的权重修改一般比较小，容易出现梯度消失。
D:当神经元的输入比较大时，Sigmoid函数的偏导数比较小，因此容易产生梯度消失。
答案: 【在修正权重的过程中，靠近多层神经网络输出层的神经元的权重修改一般比较小，容易出现梯度消失。】
3、 问题:有关神经网络训练时使用的学习率参数说法错误的是？
选项：
A:网络训练时刚开始学习率可以大一些，以便提高学习速度，随后应减少学习率，以免引起学习震荡。
B:学习率过大更容易导致训练陷入局部极小值。
C:学习率可以随着训练误差动态调整效果更好。
D:学习率可以与其他网络参数一起训练，对降低代价函数是有利的。
答案: 【学习率过大更容易导致训练陷入局部极小值。】
4、 问题:下面哪个选项不是神经网络训练过程中过拟合的防止方法？
选项：
A:L2正则化
B:提前终止
C:dropout
D:修改学习率的大小
答案: 【修改学习率的大小】
5、 问题:有关神经网络训练过程的说法，错误的是？
选项：
A:神经网络权重的初始化大小会对网络的训练结果影响。
B:使用增加训练次数的方法不一定可以减少代价函数的取值。
C:对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素。
D:分析问题确定后，神经网络合适的结构就可以确定。
答案: 【分析问题确定后，神经网络合适的结构就可以确定。】
6、 问题:下面有关神经网络的说法，正确的是？
选项：
A:神经网络神经元的输出都是传给其他神经元，不能再反馈回来。
B:神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化。
C:神经网络不同层次的神经元可以使用不同的激活函数。
D:均方差损失函数是神经网络常用的一种代价函数（损失函数）。
答案: 【神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化。;
神经网络不同层次的神经元可以使用不同的激活函数。;
均方差损失函数是神经网络常用的一种代价函数（损失函数）。】
7、 问题:激活函数通过具有以下哪些性质？
选项：
A:非线性
B:可微性
C:单调性
D:计算简单
答案: 【非线性;
可微性;
单调性;
计算简单】
8、 问题:在神经网络训练中，有关学习率调整说法错误的是？
选项：
A:固定学习率设置太大可能会使神经网络训练震荡不收敛。
B:学习率可以根据损失函数（代价函数）减少的快慢动态调整。
C:学习率太小会使神经网络的训练迅速达到极小值。
D:学习率设置不当会引起神经网络过拟合。
答案: 【学习率太小会使神经网络的训练迅速达到极小值。;
学习率设置不当会引起神经网络过拟合。】
9、 问题:ReLU是线性激活函数。
选项：
A:正确
B:错误
答案: 【错误】
10、 问题:减少神经网络过拟合可以通过增加网络的神经元个数或层数解决。
选项：
A:正确
B:错误
答案: 【错误】
11、 问题:L2正则化会使网络的权重较小。
选项：
A:正确
B:错误
答案: 【正确】
12、 问题:假设一个BP神经网络的输入层、隐层和输出层分别有3、6和4个神经元，请问这个网络一共有多少个权重需要训练？
答案: 【42】
13、 问题:减少过拟合除了正则化外，请再列出1种减少过拟合的方法
答案: 【(以下答案任选其一都对)提前终止;
dropout;
增加样本】
14、 问题:BP神经网络在训练过程中，损失函数可能比较大，但随着训练的进行，损失函数基本不变化了，这种现象说明神经网络陷入？
答案: 【(以下答案任选其一都对)局部极小值;
局部极小;
局部最优解】
15、 问题:在神经网络的训练过程中，随着训练次数的增加，训练样本的检验误差逐渐减少；但当训练到一定次数后，检验样本的检验误差却增大。这种现象叫称做？
答案: 【过拟合】
【作业】第二单元 神经网络基本概念与BP神经网络 神经网络的基本概念
1、 问题:请论述决策树与前馈神经网络（BP网络）在承担分类任务时有何不同。
评分规则: 【 需要分清决策树和神经网络处理不同的数据类型、工作机理以及知识表达方式。
】
【作业】第三单元 竞争学习神经网络 竞争学习作业
1、 问题:竞争网络按学习方式来分属于什么学习？感知机和BP网络属于什么学习？
评分规则: 【 无导师或无监督 ； 有导师或有监督
】
2、 问题:简单解释Winner-Take-ALL规则。
评分规则: 【 Winner-Take-ALL规则就是胜者为王规则。即竞争获胜者“惟我独兴”，不允许其他神经元兴奋。 评分标准： 回答出要点即可。
】
【作业】第三单元 竞争学习神经网络 竞争学习作业（互评）
1、 问题: 竞争网络按学习方式来分属于什么学习方式？
评分规则: 【 无导师或无监督
】
2、 问题:感知机和BP网络属于什么学习方式？
评分规则: 【 有导师或有监督
】
3、 问题:简单解释Winner-Take-ALL规则。
评分规则: 【 Winner-Take-ALL规则就是胜者为王规则。即竞争获胜者“惟我独兴”，不允许其他神经元兴奋。 评分标准： 回答出要点即可。
】
第五单元 机器学习概论 机器学习概述
1、 问题:下面有关机器学习的认识是错误的？
选项：
A:机器学习可以在一定程度上模仿人的学习，并能增强人的决策能力。
本文章不含期末不含主观题！！
本文章不含期末不含主观题！！
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦，电子资源购买后不支持退款哦
