在深度学习中,卷积神经网络(CNN)的卷积层主要用于提取图像的局部特征,而池化层(PoolingLayer)则用于降低特征的空间维度

在深度学习中,卷积神经网络(CNN)主要用于______任务。在深度学习中,卷积神经网络(CNN)主要用于______任务。

卷积神经网络的两个主要组成部分是(卷积层)和池化层。()A. 对B. 错

卷积神经网络中的卷积层可以自动提取图像的边缘、纹理等低级特征，因此在图像识别中不需要手动设计特征提取方式。（）A. 错B. 对

在猫狗图像识别项目中，研究者使用 CNN 提取图像特征，并通过卷积层与池化层降低维度，最终使用全连接层进行分类输出。（）A. 对B. 错

在卷积神经网络中，池化层的主要作用是减少特征图的尺寸，从而降低计算复杂度。A. 对B. 错

卷积神经网络(CNN)的灵感来源于:A. 猫的听觉皮层B. 猫的视觉皮层C. 狗的视觉皮层D. 老鼠的视觉皮层

以下哪些是卷积神经网络（CNN）的优势？A. 适合处理高维数据B. 参数量少C. 能够捕捉局部特征D. 计算效率高

以下哪些是卷积神经网络（CNN）的优势？A. 适合处理高维数据B. 参数量少C. 能够捕捉局部特征D. 计算效率高

关于卷积神经网络的特征提取过程，正确的描述有：（）A. 卷积核可特异化捕捉不同方向边缘B. 最大池化通过保留窗口均值实现平移不变性C. 深层网络整合局部特征形成

卷积神经网络让计算机学会“看图”。它通过__________ 输入答案 ________ 层提取特征，经过__________ 输入答案 ________ 层降