卷积神经网络中减少参数的设计有哪些
A: 使用 relu
B: 池化
C: 局部区域连接
D: 权值共享
A: 使用 relu
B: 池化
C: 局部区域连接
D: 权值共享
B,C,D
举一反三
内容
- 0
卷积神经网络时目前应用最广的人工神经网络，特别是在图像处理领域的目标检测、目标识别等等，卷积神经网络往往有着较好的效果。下面选项中，属于卷积神经网络的三个组成部分的有（ ）。 A: 池化 B: 局部感受野 C: 权值共享 D: 遗忘门
- 1
卷积神经网络的参数主要集中在？ （ ) A: 卷积层 B: 激活层 C: 全连接层 D: 池化层
- 2
以下关于卷积神经网络说法错误的是（ ）。 A: 人工神经网络主要由输入层、隐藏层和输出层组成。深度学习一般要求有多个隐藏层 B: 损失函数层的作用是用来估算模型的预测值与实际值的差距的函数，它是一个非负的实数值函数，它的值越小，反应该网络的数据拟合性能越好，也就是其结果越逼近原始输入数据 C: 卷积神经网络具有天然的网络权重值共享和网络局部稀疏性连接的特性，这种连接恰好也符合生物神经元的稀疏性响应特性 D: 卷积神经网络有两个基本概念：权值共享和池化。权值共享使权值参数的个数减小；池化可以使特征图减小，简化计算
- 3
卷积神经网络的结构为“卷积层-池化层-卷积层-池化层-全连接层-全连接层”。
- 4
关于卷积神经网络，以下说法正确的是 A: LeNet-5是卷积神经网络 B: 池化层可以非常有效地缩小参数矩阵的尺寸，从而减少后面的卷积层或者全连接层中的参数数量。 C: 与全连接的神经网络相比，CNN应用于图像处理时可能会导致一个严重的参数数量的膨胀的问题。 D: 卷积层的特点是参数共享