神经网络的训练过程就是通过使用梯度下降算法来________损失函数，从而迭代优化神经网络参数，使输出尽可能拟合目标。
举一反三
- 在多层神经网络学习中，基于标注大数据，通过误差反馈来自动优化神经网络的参数。与多层前馈神经网络相比，卷积神经网络还需要自动优化的参数是（ ） A: 网络层数 B: 目标函数 C: 卷积矩阵（卷积核） D: 输入端和输出端的维数
- 反向传播的作用是训练模型参数,在所有参数上用梯度下降,使神经网络模型在训练数据上的损失函数最大。( )
- 下面哪个是反向传播神经网络参数学习的步骤（ ） A: 梯度反向传播更新参数 B: 从输入层到输出层前向传播计算预测输出 C: 选择参数优化的学习算法如梯度下降 D: 通过代价函数计算真实输出和预测输出的损失
- 在神经网络中，我们是通过以下哪个方法在训练网络的时候更新参数，从而最小化损失函数的？（） A: 正向传播算法 B: 池化计算 C: 卷积计算 D: 反向传播算法
- 使用越先进的梯度下降法优化算法，神经网络训练结果一定越好。