反向传播算法中需要先计算靠近输入层参数的梯度，再计算靠近输出层参数的梯
度。

A. BP算法是一种将输出层误差反向传播给隐藏层进行参数更新的方法$;$BP算法将误差从后向前传递，获得各层单元所产生误差，进而依据这个误差来让各层单元修正各单元参数$;$对前馈神经网络而言，BP算法可调整相邻层神经元之间的连接权重大小$;$在BP算法中，每个神经元单元可包含不可偏导的映射函数

A. R语言$;$C语言$;$Python语言$;$JAVA语言

A. 上采样$;$局部连接$;$权重共享$;$下采样

A. 业务需求边界的确认十分关键$;$特征工程阶段结束后就不需要再进行数据处理了$;$应该根据实际情况选择合适的算法$;$模型效果不好需要从多个环节进行综合考察迭代

A. 上采样$;$下采样$;$padding$;$增加特征图通道数

A. 降维过程中可以保留原始数据的所有信息。
$;$ 多维缩放的目标是要保证降维后样本之间的距离不变。
$;$ 线性降维方法目标是要保证降维到的超平面能更好的表示原始数据。
$;$ 核线性降维方法目标是通过核函数和核方法来避免采样空间投影到高维空间再降维之后的低维结构丢失。

A. 0<=x<100$;$i=j==0$;$(char)(65+3)$;$x+1=x+1

A. decorator$;$setuptools$;$numpy$;$tensorflow

A. 对象位置$;$对象边框$;$对象类别$;$对象背景

A. 模块的内聚程度要尽量高,且各模块间的耦合程度要尽量强$;$模块的内聚程度要尽量高,且各模块间的耦合程度要尽量弱$;$自模块的内聚程度要尽量低,且各模块间的耦合程度要尽量弱$;$模块的内聚程度要尽量低,且各模块间的耦合程度要尽量强