为了克服学习空间中存在的局部最优点应当：
A: 尝试从不同的初始点开始训练
B: 将权重初始化为接近于0的值
C: 采用较小的学习率
D: 增加隐含层神经元个数
A: 尝试从不同的初始点开始训练
B: 将权重初始化为接近于0的值
C: 采用较小的学习率
D: 增加隐含层神经元个数
A
举一反三
内容
- 0
关于前馈神经网络，以下说法不正确的是： A: 同层神经元之间存在连接 B: 在前馈神经网络FNN中，隐含层均为标准神经元，带有激活函数 C: 隐含层，是指其中神经元的状态在输出端无法直接观测 D: 隐含层输入的权重需要学习得到
- 1
神经网络的（ ）一般需要通过示例样本训练获得。 A: 权重 B: 阈值 C: 输出层的神经元个数 D: 输入层的神经元个数
- 2
神经网络的模型需要机器利用训练集自动学习到的模型参数有 A: 隐藏层的层数 B: 层的神经元数目 C: 权重值 D: 偏移量
- 3
数组初始化时，若初始值的个数少于数组定义的长度，C语言会自动将剩余的元素初始化为初始化列表中最后一个初始值。
- 4
深度神经网络在训练上的难度，可以通过“逐层初始化” 来有效克服，逐层初始化可通过无监督学习实现的。（ ）