APP下载

唐人街探案之秦风

搜索

唐人街探案之秦风

题目内容

(

单选题

)

梯度爆炸问题是指在训练深度神经网络的时候，梯度变得过大而损失函数变为无穷。在RNN中，下面哪种方法可以较好地处理梯度爆炸问题？

A、用改良的网络结构比如LSTM和GRUs

B、梯度裁剪

C、Dropout

D、所有方法都不行

答案：B

唐人街探案之秦风

设某工厂有甲、乙、丙三个车间生产同一种产品，一致各车间的产量分别占全厂产量的25%、35%、40%，而各车间的次品率依次为5%、4%、2%。现从待出厂的产品中检查出一个次品，它由甲车间生产的概率是

点击查看题目

在 Numpy 中表示线性代数中的n维列向量可用一个shape为(n, 1)的一维数组。

点击查看题目

Skip-gram的算法实现包括（）几个部分？

点击查看题目

使用paddle.nn.LinearAPI定义优化器

点击查看题目

卷积神经网络中典型的模式是？

点击查看题目

以下属于计算机视觉的经典模型的有：（）。

点击查看题目

影响k-means算法效果的主要因素包括以下哪一项？（）

点击查看题目

人工神经元网络会遭遇“框架问题”()

点击查看题目

根据个体学习器的生成方式，目前集成学习大致分为两类，其中一种是个体学习器间不存在强依赖关系、可同时生成的并行化方法，该方法的代表是（）

点击查看题目

梯度下降算法是最常用也是最有效的神经网络的优化办法,完全可以满足不同类型的需求。()

点击查看题目

唐人街探案之秦风

题目内容

(

单选题

)

手机预览

唐人街探案之秦风

梯度爆炸问题是指在训练深度神经网络的时候，梯度变得过大而损失函数变为无穷。在RNN中，下面哪种方法可以较好地处理梯度爆炸问题？

A、用改良的网络结构比如LSTM和GRUs

B、梯度裁剪

C、Dropout

D、所有方法都不行

答案：B

相关题库:

唐人街探案之秦风

分享

唐人街探案之秦风

相关题目

设某工厂有甲、乙、丙三个车间生产同一种产品，一致各车间的产量分别占全厂产量的25%、35%、40%，而各车间的次品率依次为5%、4%、2%。现从待出厂的产品中检查出一个次品，它由甲车间生产的概率是

A. 25%

B. 45.5%

C. 1.25%

D. 36.2%

解析：设A1，A2，A3分别表示产品有甲、乙、丙车间生产，B表示产品为次品。P（A1）=0.25，P（A2）=0.35，P（A3）=0.4，P（B|A1）=0.05，P（B|A2）=0.04，P（B|A3）=0.02，
P（A1|B）=P（A1）P（B|A1）/[P（A1）P（B|A1）+P（A2）P（B|A2）+P（A3）P（B|A3）]=0.25*0.05/（0.25*0.05+0.35*0.04+0.4*0.02）=0.362

点击查看答案

在 Numpy 中表示线性代数中的n维列向量可用一个shape为(n, 1)的一维数组。

点击查看答案

Skip-gram的算法实现包括（）几个部分？

A. 输入层

B. 卷积层

C. 隐藏层

D. 输出层

解析：见算法解析

点击查看答案

使用paddle.nn.LinearAPI定义优化器

解析：见函数库

点击查看答案

卷积神经网络中典型的模式是？

A. 卷积层后为池化层，然后还是卷积层-池化层。

B. 多个连续的池化层，然后跟着一个卷积层

C. 网络中最后的几个层是全连接层

D. 网络中最开始的几个层是全连接层

解析：一般卷积层后为池化层，网络最后为几个全连接层。

点击查看答案

以下属于计算机视觉的经典模型的有：（）。

A. VGGNet

B. ResNet

C. RNN

D. GoogleNet

点击查看答案

影响k-means算法效果的主要因素包括以下哪一项？（）

A. 初始点的选取

B. 聚类的准则

C. k值的选取

D. 距离的度量方式

点击查看答案

人工神经元网络会遭遇“框架问题”()

解析：错误

点击查看答案

根据个体学习器的生成方式，目前集成学习大致分为两类，其中一种是个体学习器间不存在强依赖关系、可同时生成的并行化方法，该方法的代表是（）

A. Boosting

B. Bagging

C. 随机森林

D. reboot

解析：见算法解析

点击查看答案

梯度下降算法是最常用也是最有效的神经网络的优化办法,完全可以满足不同类型的需求。()

点击查看答案

试题通app下载

类似热门题库

2024年输变电可靠性基础题库

英语试题题目练习

安全管理和自动化试题

多彩航空练习题目

农艺工试题练习题库

病理学知识练习题

24年A系列审验类型题库

二十大知识题库练习

实作技能和素质测试

高处作业知识练习

试题通小程序

试题通app下载

©2016-2024.南通佰易网络科技有限公司
苏ICP备16028519号-2 苏公网安备32061102000302