關於生成對抗網路,下列敘述何者正確?()
A.生成對抗網路英文簡稱GAN
B.網路中的生成者稱為生成器 (generator)
C.網路中的判別者稱為判別器 (discriminator)
D.生成器的輸入點位於潛在空間(latent space)
E.判別器的輸出點位於潛在空間(latent space)
A.生成對抗網路英文簡稱GAN
B.網路中的生成者稱為生成器 (generator)
C.網路中的判別者稱為判別器 (discriminator)
D.生成器的輸入點位於潛在空間(latent space)
E.判別器的輸出點位於潛在空間(latent space)
第1题
A.使用Sigmoid (S形函數)激活函數
B.架構中總共運用了五層卷積層與三層全連接層
C.在第一、二、四個卷積層後接上了池化層
D.在網路的後端接上三層全連接層
E.使用ReLU激活函數
第2题
A.料帶類端子擺放於平台上時需使用對應的模具以進行試驗
B.試驗過程不必針對下壓衝頭的前後左右進行對正
C.試驗初期需注意錶頭指針是否正確歸零
第3题
A.以數學眼光來看CNN是NN的子集合
B.機器學習是深度學習的一種
C.人工智慧是一種深度學習
D.深度學習通常隱藏層在百層以上的神經網路,這樣才夠深
E.NN是一種有記憶的神經網路,會記得上一次的輸入
第4题
A.池化層會出現在每個隱藏層
B.池化層目的是做特徵的題曲
C.池化層運做完會得到特徵圖 (Feature Map)
D.池化層可以取代卷積層
E.第一層的卷積運算是在做圖像邊緣或紋理的特徵提取
第6题
A.建構神經網路時需要知道最終的函數學習機長什麼樣子
B.打造一個神經網路的函數學習機是透過編程來達成
C.神經網路模型可分成輸入層、表現層及輸出層
D.神經網路模型可分成輸入層、隱藏層及輸出層
E.神經網路模型可分成輸入層、激發層及輸出層
第7题
B.學習率在迭代的參數調整過程中會固定不變
C.梯度下降是運用積分的技巧來達成
D.損失函數移動的方向跟梯度的方向相同
E.神經網路調整參數的順序是從後面一層層往前調
第8题
A.1234
B.14
C.23
第9题
A.損失函數是對每個輸入的預測值與真實值的差異計算總和
B.透過梯度下降一定可以找到降低損失函數的最佳解
C.損失函數的變數是可以調整的參數
D.訓練神經網路是透過參數的調整來降低損失函數
E.梯度下降是降低損失函數的一種演算法
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!