题目内容
（请给出正确答案）
A.对激活函数的输出结果进行范围限定，有助于梯度平稳下降，而ReLU输出范围无限的函数会导致梯度消失问题
B.ReLU函数中所有负值均被截断为结果0，从而导致特征丢失，可适当调高学习率避免此类情况
C.RMSProp学习率调整策略引入累积梯度的概念，从而解决学习率过早趋向于0而结束训练
D.随机梯度下降(SGD)每次更新只随机取一个样本，按照固定学习率计算梯度，所以速度较快
如果结果不匹配，请 联系老师 获取答案
更多“关于神经网络的相关概念，哪个说法是正确的()?”相关的问题
A.神经元感知器是一种简单的前馈式神经网络
B.神经元感知器可以接收n个输入，对应n个权重值
C.神经元感知器接收的n个输入对应n个偏置值
D.神经元感知器经过激活函数变换后输出结果
下面哪个关于TCP／IP参考模型的说法是正确的？()
A．明显地区分服务、接口和协议的概念
B．完全是通用的
C．不区分物理层和数据链路层
D．可以描述系统网络体系结构SNA
A.权重和偏置都可以取全零初始化
B.使用正态分布初始化，但权重取太大或太小都会影响网络的训练
C.Xavier初始化可以减少梯度消失
D.合适的权重初始化可以加快神经网络的训练和效果
A.数据类型是对具有同类性质的数据的抽象，是计算机程序设计语言中特有的概念。
B.在计算机中，数据存储空间的大小与数据本身相关，和数据类型无关。
C.在计算机中，所有的数据都可以进行精确的存储。
D.内存中保存的都是二进制数字，其含义是确定的，与类型无关。
A.激活函数都是非线性函数
B.激活函数大多数是非线性函数,少数是线性函数
C.激活函数都是线性函数
D.激活函数部分是非线性函数,部分是线性函数
A.每一次Epoch都会对之前的参数进行调整，迭代次数越多，损失函数一般越小
B.训练好的神经网络模型存储于一定结构的神经元之间的权重和神经元的偏置中
C.在训练神经网络过程中，参数不断调整，其调整的依据是基于损失函数不断减少
D.模型参数量越多越好，但没有固定的对应规则
A.反向传播只能在前馈神经网络中运用
B.反向传播会经过激活函数
C.反向传播可以结合梯度下降算法更新网络权重
D.反向传播指的是误差通过网络反向传播
下面有关图的相关概念说法不正确的是【】
A．有e条边的无向图，在邻接表中有e个结点
B．有向图的邻接矩阵是对称的
C．任何无向图都存在生成树
D．不同的求最小生成树的方法最后得到的生成树的权值之和是相等的
A.神经网络神经元的输出都是传给其他神经元，不能再反馈回来
B.神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化
C.均方差损失函数是神经网络常用的一种代价函数(损失函数)
D.神经网络不同层次的神经元可以使用不同的激活函数
