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
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
举一反三
- 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: 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 C: 卷积神经网络有两个基本概念：权值共享和地化。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 D: 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
- 下列关于卷积神经网络(CNN)的说法中,错误的有() A: 卷积神经网络网络一般有输入层、隐藏层、输出层组成 B: 卷积神经网络的输入层一般包含包含卷积层、池化层和全连接层3类常见构筑 C: 卷积神经网络的卷积层的功能是对输入数据进行特征提取，池化层的作用是降低特征的维度，进而减小参数量，减少过拟合 D: 卷积神经网络的全连接层的作用是分类
- 下列关于卷积神经网络（CNN）的说法中错误的有（ ） A: 卷积神经网络网络一般有输入层、隐藏层、输出层组成 B: 卷积神经网络的正向传播指从输入层、卷积层、池化层和全连接层的信息传播过程，不包含池化层到卷积层的传输。 C: 卷积神经网络的卷积层的功能是对输入数据进行特征提取，池化层的作用是降低特征的维度，进而减小参数量，减少过拟合 D: 卷积神经网络的全连接层的作用是分类
- 以下哪个关于卷积神经网络的说法是错误的？ A: 典型的卷积神经网络是由卷积层、池化层和全连接层等组成 B: 卷积神经网络训练时学习的是每层神经元的值 C: AlexNet是一个8层的卷积神经网络 D: 目标检测网络Yolo网络结构中包含卷积层
- 【多选题】对于卷积神经网络说法正确的有:() A. 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 B. 卷积神经网络在图像分类、目标检测、语义分割等任务中有着广泛的应用 C. 卷积神经网络中的池化层的目的是降低特征图的维度，进而降低卷积神经网络的参数量，减少过拟合 D. 卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间，全连接层则将抽象特征映射到样本标记空间中