神经网络模型一般使用（）优化求解算法。
A: 、随机梯度下降
B: 、奇异值分解
C: 、Gibbs采样
D: 、期望最大化（EM）
A: 、随机梯度下降
B: 、奇异值分解
C: 、Gibbs采样
D: 、期望最大化（EM）
A
举一反三
- 神经网络使用哪些算法（ ）。 A: K-Means算法 B: 误差的反向传播算法 C: 梯度下降算法 D: 最大期望算法
- BP神经网络两个非常重要算法是：随机梯度下降算法和__________。
- 下面梯度下降说法错误的是（） A: 随机梯度下降是梯度下降中最常用的一种。 B: 梯度下降包括随机梯度下降和批量梯度下降 C: 梯度下降算法速度快且可靠 D: 随机梯度下降是深度学习算法当中常用的优化算法之一
- 使用梯度下降法求解神经网络的权重参数的主要原因是（）。 A: 神经网络模型过于复杂，解析式无线接近NP问题，无法直接获得解析解 B: 神经网络参数数量庞大，无法求精确解 C: 梯度下降算法的计算速度比求解析解更快 D: 梯度下降算法更符合计算机的运行思维
- 在梯度下降算法中,通过调整()可以优化神经网络。 A: 方向 B: 学习率或者步长 C: 神经元个数 D: 输入值
内容
- 0
随机梯度下降算法是利用梯度的微小变化来优化损失函数的一种方法，下列哪种随机梯度下降算法最适合于面[br][/br]向大数据的神经网络。 A: 真随机梯度下降，每次只迭代一个样本 B: 全样本梯度下降，每次迭代都在所有数据上运行 C: 随机随机梯度下降，每次迭代时随机选取一定数量的样本进行处理 D: 小批量随机梯度下降，每次迭代都在固定量（通常都不大）的样本上进行
- 1
神经网络的训练过程就是通过使用梯度下降算法来________损失函数，从而迭代优化神经网络参数，使输出尽可能拟合目标。
- 2
BP神经网络的三个训练命令：trainbfg, traingd, traingdm 分别用的是什么算法？ A: 梯度下降算法，梯度下降动量，牛顿算法 B: 梯度下降动量，梯度下降算法，牛顿算法 C: 准牛顿算法，梯度下降动量，梯度下降算法 D: 准牛顿算法，梯度下降，梯度下降动量算法
- 3
在卷积神经网络中，我们通常使用的带动量的梯度下降算法主要属于下列的哪一种？ A: 批量梯度下降，每次迭代所有样本 B: 真随机梯度下降，每次仅迭代一个样本 C: 小批量梯度下降，每次迭代batch-size个样本 D: 以上均属于常用梯度下降算法
- 4
关于深度学习的原理，下列描述正确的一项是（ ） A: 学习是指找到一种最优的模型，使其能够较好地学到数据的内在知识 B: 一个模型的损失是指输入样本的真实值和基于样本获得的预测值之间的距离，它是在训练过程种需要最大化的<br>量 C: 优化神经网络无法使用解析法，但是可以通过求导的链式法则来获得梯度函数，并利用随机梯度下降等方法来<br>实现模型的优化 D: 随机梯度下降算法能够有效解决局部最优的问题