以下是约束优化方法的是()
A.惩罚函数法
B.单纯形法
C.梯度法
D.牛顿法
A.惩罚函数法
B.单纯形法
C.梯度法
D.牛顿法
第1题
第3题
A.保证映射投影(即降维后)所得结果相关度最大以及投影后结果方差最大
B.保证映射投影方向之间的方差最大以及投影方向正交(以去除冗余度)
C.保证映射投影(即降维后)所得结果方差最大以及投影方向正交(以去除冗余度)
D.保证映射投影(即降维后)所得结果冗余度最小以及投影后结果方差最大
第5题
A.梯度方向是函数值下降最快方向
B.梯度下降算法是一种使得损失函数最小化的方法
C.梯度下降算法用来优化深度学习模型的参数
D.梯度反方向是函数值下降最快方向
第7题
A.约束系数发生变化,只影响检验数
B.目标函数系数发生变化,只影响检验数
C.右端项发生变化,只影响最优解的可行性
D.增加一个变量,不影响其他变量的检验数
第8题
A.使用增加训练次数的方法不一定可以减少代价函数的取值
B.神经网络权重的初始化大小会对网络的训练结果无影响
C.对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素
D.分析问题确定后,神经网络合适的结构就可以确定
第11题
A.正强化
B.负强化
C.惩罚
D.忽视