关于ReLU和Sigmod激活函数的说法错误的是: A: ReLU的计算复杂性远低于Sigmod B: ReLU不适合复杂度高的神经网络 C: ReLU和Sigmod都能确保y值不取负值 D: ReLU可以理解为Sigmod的简化形式

关于ReLU和Sigmoid激活函数，在深度神经网络的中间层，建议使用ReLU。

关于ReLU和Sigmoid激活函数，在深度神经网络的中间层，建议使用ReLU。 A: 正确 B: 错误

Word中插入数学公式的方法是（）。 A: "插入"→"形状"→"公式" B: "开发工具"→"公式" C: "插入"→"公式"→"插入新公式" D: "引用"→"插入"→"公式"

中国大学MOOC: 假设有一个使用ReLU激活函数(ReLU activation function)的神经网络，假如把ReLU激活替换为线性激活，那么这个神经网络能够模拟出异或函数吗？注意：使用ReLU激活函数的神经网络是能够模拟出异或函数。

训练神经网络时，以下哪种激活函数最容易造成梯度消失: （       ） A: tanh B: sigmoid C: ReLU D: leaky ReLU

.假设我们有一个使用ReLU激活函数(ReLU activation function)的神经网络，假如我们把ReLU激活替换为线性激活，那么这个神经网络能够模拟出同或函数(XNOR function)吗？( )

定义并初始化一个用于存放我们国家的四个直辖市的数组cityName，四个直辖市为：北京，上海，天津，重庆. 正确的是_________ A: String[] cityName=new String[4]{"北京","上海","天津","重庆"}; B: String[] cityName=new String[]{"北京","上海","天津","重庆"}; C: String[] cityName={"北京","上海","天津","重庆"}; D: String cityName = new String[4] { "北京", "上海", "天津", "重庆" };

已知有一个名为names的空列表,如何向其中添加old_driver,rain,jack,shanshan,peiqi,black_girl 元素？ A: names.append("old_driver","rain","jack","shanshan","peiqi","black_girl") B: names.extend("old_driver","rain","jack","shanshan","peiqi","black_girl") C: names.insert("old_driver","rain","jack","shanshan","peiqi","black_girl") D: names.extend(["old_driver","rain","jack","shanshan","peiqi","black_girl"])

使用下列代码建立神经网络模型，说法错误的是______。import tensorflow as tfmodel = tf.keras.Sequential()model.add(tf.keras.layers.Flatten( input_shape=(12, )))model.add(tf.keras.layers.Dense(4, activation="relu"))model.add(tf.keras.layers.Dense(3, activation="softmax"))model.summary() A: 该模型含有2个隐含层 B: 该模型输入层和第一隐含层之间有52个可训练参数 C: 该模型隐含层共有4个节点 D: 该模型的输入层共有12个节点