前馈神经网络和卷积神经网络的模型学习均是通过误差后向传播来优化模型参数，因此是一种监督学习方法。
举一反三
- 中国大学MOOC: 对完成特定任务的卷积神经网络训练采用的是监督学习方法。在这个过程中，通过误差后向传播来优化调整网络参数，请问下面哪个参数不是通过误差后向传播来优化的（ ）
- 前馈神经网络通过误差后向传播（BP算法）进行参数学习，这是一种（ ）机器学习手段? 无监督学习|半监督学习|监督学习|无监督学习和监督学习的结合
- 对完成特定任务的卷积神经网络训练采用的是监督学习方法。在这个过程中，通过误差后向传播来优化调整网络参数，请问下面哪个参数不是通过误差后向传播来优化的（ ） A: 卷积滤波矩阵中的参数 B: 全连接层的链接权重 C: 激活函数中的参数 D: 模型的隐藏层数目
- 中国大学MOOC: 前馈神经网络通过误差后向传播（BP算法）进行参数学习，这是一种（ ）机器学习手段
- 在多层神经网络学习中，基于标注大数据，通过误差反馈来自动优化神经网络的参数。与多层前馈神经网络相比，卷积神经网络还需要自动优化的参数是（ ） A: 网络层数 B: 目标函数 C: 卷积矩阵（卷积核） D: 输入端和输出端的维数