以下关于BP神经网络泛化能力描述正确的是 ( )
A: 描述神经网络计算响应实时性的参数
B: 表示神经网络激活函数性能的参数
C: 用于描述神经网络对训练样本数据之外的其他数据的适应能力
D: 用于描述神经网络在训练样本上的测试性能
A: 描述神经网络计算响应实时性的参数
B: 表示神经网络激活函数性能的参数
C: 用于描述神经网络对训练样本数据之外的其他数据的适应能力
D: 用于描述神经网络在训练样本上的测试性能
举一反三
- 神经网络训练之后的泛化能力是指网络对训练样本之外的新鲜数据的适应度，也称为神经网络的举一反三的能力。
- 神经网络的训练样本量没有明确规定，和神经网络内部的网络参数个数无关。
- 下列不属于常见的深度神经网络结构有（ ）。 A: 单一神经网络 B: 长短时记忆网络 C: 卷积神经网络 D: 循环神经网络
- 以下对循环神经网络的描述错误的是（ ）。 A: 循环神经网络通常被用于处理序列数据 B: LSTM网络是对简单RNN网络的改进 C: 循环神经网络不需要激活函数 D: 循环神经网络中之前时间步的输出会影响后续时间步的输出
- 下列各项是对神经网络BP训练算法的描述，哪些选项描述正确（ ）。 A: 手工选取样本，并提取样本特征。 B: 将样本特征归一化后输入神经网络，根据用于训练的相关公式得到输出误差值。 C: 首先用比较大的随机数给网络权值赋初值。 D: 如果输出误差值满足要求，训练结束，输出网络权值。