深度信念网可以解决传统BP算法的哪些问题？
A: 收敛速度慢
B: 易陷入局部最优解
C: 计算量大
D: 能够确定神经元的个数
A: 收敛速度慢
B: 易陷入局部最优解
C: 计算量大
D: 能够确定神经元的个数
举一反三
- 下面关于BP算法的说法正确的有： A: 容易陷入局部最优 B: 易受到新的学习样本的影响 C: 算法收敛较快 D: 一定可以收敛
- 下面关于BP算法的说法正确的有： A: 容易陷入局部最优 B: 易受到新的学习样本的影响 C: 算法收敛较快 D: 一定可以收敛
- BP算法陷入局部极小值的问题可通过更换激活函数解决。
- 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
- 下列说法，不属于BP算法的缺点的是( )。 A: 不受网络结构的限制 B: 训练速度慢 C: 误差函数必须可导 D: 易陷入局部最小值