关于权值初始化描述错误的有：
A: 初始化时让权值不相等，并不能保证网络能够正常的被训练。
B: 有效的初始化方法：使网络各层的激活值和局部梯度的方差在传播过程中尽量保持不同；以保持网络中正向和反向数据流动。
C: Xavier初始化目标：使网络各层的激活值和局部梯度的方差在传播过程中尽量保持一致，即寻找 w 的分布使得输出 y 与输入 z 的方差一致
D: He初始化替换掉了Xavier中效率低下的ReLU函数
A: 初始化时让权值不相等，并不能保证网络能够正常的被训练。
B: 有效的初始化方法：使网络各层的激活值和局部梯度的方差在传播过程中尽量保持不同；以保持网络中正向和反向数据流动。
C: Xavier初始化目标：使网络各层的激活值和局部梯度的方差在传播过程中尽量保持一致，即寻找 w 的分布使得输出 y 与输入 z 的方差一致
D: He初始化替换掉了Xavier中效率低下的ReLU函数
B,D
举一反三
- Xavier初始化是为了使得在经过多层网络后， 信号不被过分放大或过分减弱， 尽可能保持每个神经元的输入和输出的方差一致而提出的参数初始化方案
- Xavier初始化是为了使得在经过多层网络后， 信号不被过分放大或过分减弱， 尽可能保持每个神经元的输入和输出的方差一致而提出的参数初始化方案 A: 正确 B: 错误
- Xavier初始化又称为Glorot初始化，它确保所有层的方差尽量相似，从而可以帮助减少梯度消失的问题，使得[br][/br]梯度在神经网络种可以传递得更深。但它出现于ReLU函数之前，因此对ReLU激活函数没有作用。
- 数组初始化时可以仅初始化部分元素的值。
- ()是存货初始化和科目初始化的接口。对账表中科目的初始数据一定要和科目初始数据保持一致
内容
- 0
中国大学MOOC: 数组初始化时可以仅初始化部分元素的值。
- 1
BP神经网络算法的基本流程包括 A: 网络初始化 B: 计算各层的输入和输出 C: 修正权值和阈值 D: 计算寻找最优超平面
- 2
神经网络梯度消失、爆炸的问题，常见的解决方法有哪些（）。 A: Xavier和HE初始化 B: 梯度剪切、正则 C: 非饱和激活函数 D: Batchnorm
- 3
He初始化也称为MSRA初始化，是针对神经网络中经常使用的ReLU激活函数的权重初始化方案，其设计的主[br][/br]要目的是（）。 A: 促使所有层的方差尽量相似，从而减少梯度消失的问题 B: 通过加倍权重方差，解决ReLU激活函数丢弃负方向方差造成的信息损失问题 C: 解决不同特征间维度数量级差别较大的问题 D: 打破神经元之间的对称性，使得神经网络可以被学习
- 4
通过变分原理，使初始资料在一定动力约束下调整，达到各种初始场之间协调一致的方法，称为（） A: 动力初始化 B: 静力初始化 C: 稳定初始化 D: 变分初始化