A、 反向传播只能在前馈神经网络中运用
B、 反向传播可以结合梯度下降算法更新网络权重
C、 反向传播会经过激活诬数
D、 反向传播指的是误差通过网络反向传播
答案：A
解析：解析:事实上,反向传播算法可以应用于包括前馈神经网络在内的多种神经网络结构中,用于计算梯度并更新网络参数
A、 反向传播只能在前馈神经网络中运用
B、 反向传播可以结合梯度下降算法更新网络权重
C、 反向传播会经过激活诬数
D、 反向传播指的是误差通过网络反向传播
答案：A
解析：解析:事实上,反向传播算法可以应用于包括前馈神经网络在内的多种神经网络结构中,用于计算梯度并更新网络参数
A. 卷积神经网络可以包含卷积层,池化层和全连接层
B. 在处理图片时,是以扫描窗口的方式对图像做卷积
C. 常见的池化层有最大池化与平均池化。
D. 卷积核不可以用来提取图片全局特征
A. 具备计算能力的神经元与上下两层相连
B. 其输入节点具备计算能力
C. 同一层神经元相互连接
D. 层间信息只沿-个方向传递
解析：解析:前馈神经网络的信息朝一个方向传播,没有反向的信息传播,可以用一个有向无环图表示。前馈网络包括全连接前馈网络和卷积神经网络等
A. 开放非自动
B. 非自动
C. 全场晨统一架构
D. 表达/优化/运行解耦
A. False
B. True
A. 决策树是一种监督式学习
B. 监督式学习不可以使用交叉验证进行训练
C. 监督式学习是一种基于规则的算法
D. 监督式学习不需要标签就可以训练
A. 贝叶斯分类器应用于大型数据库具有较高的准确性和快速的速度
B. 朴素贝叶斯的“朴素",指的是该方法需要假设各个特征之间是独立的
C. 朴素贝叶斯是一种简单的多分类算法
D. 朴素贝叶斯算法依赖于人工神经网格,因此使用起来非常复杂
解析：解析:朴素贝叶斯分类器是贝叶斯分类器中最简单,也是最常见的一种分类方法
A. 数据挖掘
B. 知识工程
C. 人机交互
D. 机器学习
A. 没有人脸集时,需要先创建人脸集,再添加人脸数据,然后才能进行搜索
B. 一个人脸集的大小不能超过10000张图片
C. 有专门的接口可以删除指定人脸集
D. 有专门的接口可以删除某个人脸集中的人脸数据
