A.以數(shù)學(xué)眼光來看CNN是NN的子集合
B.機(jī)器學(xué)習(xí)是深度學(xué)習(xí)的一種
C.人工智能是一種深度學(xué)習(xí)
D.深度學(xué)習(xí)通常隱藏層在百層以上的神經(jīng)網(wǎng)絡(luò)，這樣才夠深
E.CNN是一種有記憶的神經(jīng)網(wǎng)絡(luò)，會(huì)記得上一次的輸入

A.神經(jīng)網(wǎng)絡(luò)調(diào)整參數(shù)的方式是一種前饋神經(jīng)網(wǎng)絡(luò)（FeedforwardNeuralNetwork）
B.學(xué)習(xí)率在迭代的參數(shù)調(diào)整過程中會(huì)固定不變
C.梯度下降是運(yùn)用積分的技巧來達(dá)成
D.損失函數(shù)移動(dòng)的方向跟梯度的方向相同
E.神經(jīng)網(wǎng)絡(luò)調(diào)整參數(shù)的順序是從后面一層層往前調(diào)

A.損失函數(shù)是對(duì)每個(gè)輸入的預(yù)測(cè)值與真實(shí)值的差異計(jì)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(diào)整的參數(shù)
D.訓(xùn)練神經(jīng)網(wǎng)絡(luò)是透過參數(shù)的調(diào)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(luò)是指全鏈接神經(jīng)網(wǎng)絡(luò)
B.全鏈接神經(jīng)網(wǎng)絡(luò)也叫標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)
C.標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)通常稱為NN（neuralnetwork）
D.全鏈接神經(jīng)網(wǎng)絡(luò)的每個(gè)神經(jīng)元都會(huì)跟前后層的神經(jīng)元相連
E.每個(gè)神經(jīng)元內(nèi)部的計(jì)算架構(gòu)都不一樣

A.建構(gòu)神經(jīng)網(wǎng)絡(luò)時(shí)需要知道最終的函數(shù)學(xué)習(xí)機(jī)長(zhǎng)什么樣子
B.打造一個(gè)神經(jīng)網(wǎng)絡(luò)的函數(shù)學(xué)習(xí)機(jī)是透過編程來達(dá)成
C.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、表現(xiàn)層及輸出層
D.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、隱藏層及輸出層
E.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、激發(fā)層及輸出層