A.RNN
B.CNN
C.FCNN
D.LSTM
E.GAN

A.以數(shù)學眼光來看CNN是NN的子集合
B.機器學習是深度學習的一種
C.人工智能是一種深度學習
D.深度學習通常隱藏層在百層以上的神經(jīng)網(wǎng)絡，這樣才夠深
E.CNN是一種有記憶的神經(jīng)網(wǎng)絡，會記得上一次的輸入

A.神經(jīng)網(wǎng)絡調整參數(shù)的方式是一種前饋神經(jīng)網(wǎng)絡（FeedforwardNeuralNetwork）
B.學習率在迭代的參數(shù)調整過程中會固定不變
C.梯度下降是運用積分的技巧來達成
D.損失函數(shù)移動的方向跟梯度的方向相同
E.神經(jīng)網(wǎng)絡調整參數(shù)的順序是從后面一層層往前調

A.損失函數(shù)是對每個輸入的預測值與真實值的差異計算總和
B.透過梯度下降一定可以找到降低損失函數(shù)的最佳解
C.損失函數(shù)的變量是可以調整的參數(shù)
D.訓練神經(jīng)網(wǎng)絡是透過參數(shù)的調整來降低損失函數(shù)
E.梯度下降是降低損失函數(shù)的一種算法

A.傳統(tǒng)的神經(jīng)網(wǎng)絡是指全鏈接神經(jīng)網(wǎng)絡
B.全鏈接神經(jīng)網(wǎng)絡也叫標準神經(jīng)網(wǎng)絡
C.標準神經(jīng)網(wǎng)絡通常稱為NN（neuralnetwork）
D.全鏈接神經(jīng)網(wǎng)絡的每個神經(jīng)元都會跟前后層的神經(jīng)元相連
E.每個神經(jīng)元內(nèi)部的計算架構都不一樣