卷积神经网络可以很好的处理图数据。（)

A.池化层

B.双向隐藏层

C.卷积层

D.全连接层

A.在卷积神经网络中，采用平均池化可减小误差，适用于需要突出纹理等特征的场景中

B.ResNet通过增加恒等映射，增加参数从而减少模型优化的难度，实现性能提升

C.空间金字塔池化(SPP)通过把图像的卷积特征转化成相同维度的特征向量，使模型可以处理任意尺寸的图像

D.批规范化(batchnormalization)是在不引入新参数的情况下保证每一层网络的输入具有相同的分布

A.卷积层

B.输出层

C.隐藏层

D.输入层

A.最大池化层

B.平均池化层

C.乘积池化层

D.最小池化层

A.因为它可以被用做监督学习

B.严格意义上它比卷积神经网络(CNN)效果更好

C.它比较适合用于当输入/输出是一个序列的时候(例如.一个单词序列)

D.RNNs代表递归过程.想法-＞编码-＞实验-＞想法-＞…

A.计算机视觉

B.机器学习

C.自然语言处理

D.人工神经网络

A.每一个卷积核在遍历整个图像的时候，卷积核的参数是固定不变的

B.每个卷积核在遍历整个图像的时候，卷积核的参数是变化的

C.图像的空间联系是局部像素较为稀疏，而距离较远的像素相关性较强

D.图像的空间联系是局部像素较为紧密，而距离较远的像素相关性较强

A.卷积神经网络

B.循环神经网络

C.网络森林

D.深度信念网络

A.感知器

B.卷积神经网络

C.循环神经网络

D.全连接神经网络