与全连接前馈神经网络相比，用于图像分类的卷积神经网络CNN主要通过________操作来减少网络参数数量，提高训练效率。
A: 全连接
B: 卷积
C: 中断
D: 池化
A: 全连接
B: 卷积
C: 中断
D: 池化
举一反三
- 中国大学MOOC: 与全连接前馈神经网络相比，用于图像分类的卷积神经网络CNN主要通过________操作来减少网络参数数量，提高训练效率。
- 卷积神经网络构成包括（ ）。 A: 卷积层 B: 全连接层 C: 池化层 D: 网络层
- 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
- 与传统的全连接神经网络相比，卷积神经网络引入了新模块卷积层和池化层（)
- 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