BP算法陷入局部极小值的问题可通过更换激活函数解决。
举一反三
- 关于BP算法优缺点的说法错误的是 ( )。 A: BP算法不能用于处理非线性分类问题 B: BP算法训练时间较长 C: BP算法容易陷入局部最小值 D: BP算法训练时候可能由于权值调整过大使得激活函数达到饱和
- BP网络目标函数存在多个极值点,按梯度下降法进行学习,很容易陷入局部极小值。
- 关于BP算法缺点的说法正确的是()。 A: BP算法更新没有明确的公式,需要不断试凑,才能决定隐层节点数量 B: BP算法涉及参数数量很多,因此更新速度慢 C: BP算法迭代速度不快,即使提高学习率也无济于事 D: BP算法很容易陷入局部极小值问题
- 在解决函数优化问题时,基因遗传算法的全局性不好,容易陷入局部最优值
- 在解决函数优化问题时,基因遗传算法的全局性不好,容易陷入局部最优值。 A: 正确 B: 错误