神经网络卷积运算的本质是____________，卷积核的参数实际上就是神经元输入的____________。
提取特征#权重
举一反三
- 在卷积神经网络中，有些参数不能通过网络学习得到，需要自己定义，也就是我们常说的超级参数。以下属于超级参数的有（ ） A: 卷积核的宽 B: 卷积核的高 C: 卷积步长 D: 其余全都是
- 以下参数中，哪个参数不属于卷积神经网络中的超级参数（ ） A: 卷积核的高 B: 卷积填充单元 C: 卷积核内的权重参数 D: 卷积步长
- 卷积神经网络就是含卷积层的网络。
- 深度学习涉及的主要方法包括基于卷积运算的神经网络(卷积神经网络CNN) 基于多层神经元的自编码神经网络和深度置信网络(DBN)等。
- 下列对于卷积神经网络的描述，错误的是______。 A: 卷积神经网络同时具备全连接神经网络和卷积运算的特点 B: 卷积神经网络是一种前馈型神经网络 C: 每个卷积层可包含多个卷积核来进行特征提取 D: 卷积神经网络的特征提取阶段包括卷积层和池化层
内容
- 0
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
- 1
以下关于卷积神经网络，说法正确的是 A: 卷积神经网络只能有一个卷积核 B: 卷积神经网络可以有多个卷积核，但是必须同大小 C: 卷积神经网络可以有多个卷积核，可以不同大小 D: 卷积神经网络不能使用在文本这种序列数据中
- 2
选择最能代表下面主要概念的检索词集：基于卷积神经网络的图像语义分割 A: 卷积神经网络 图形 实例分割 B: 卷积神经 网络 图像语义分割 C: CNN 图像 语义分割 D: 卷积神经网络 图像 语义分割
- 3
把卷积和神经网络两者结合起来，无非就是通过神经网络计算一套______作为卷积核的值。
- 4
下列关于卷积神经网络的说法不正确的是 A: 每个卷积层中的卷积核都需要处理全部接受到的信息 B: 池化操作对多个卷积核得到的信息进行降维，只保留重要信息 C: 卷积核用来实现对输入信号的各种处理，不同的卷积核实现不同的功能 D: 卷积神经网络是目前网络深度最深的深度神经网络模型之一