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高级语义
D. 浅层网络主要提取语义级特征
卷积神经网络能够对图像进行特征提取,因为其有两个优秀的特性,分别是()A. 运算速度快B. 卷积核的平移不变性C. 内存消耗小D. 能学习空间层次结构
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
深度神经网络相比于传统图像特征提取方法的主要优势是什么?A. 可塑性差B. 不需要手工设计特征提取器C. 对特定任务更有效D. 数据量要求低
关于神经网络，正确的描述是:A. 仅适用于监督学习B. 反向传播用于调整权重C. 激活函数(如ReLU)引入非线性D. 输入层直接输出最终结果
以下哪些是卷积神经网络的缺点?()A. 数据资源不足导致深层神经网络容易过拟合B. 计算代价很大,需要很高的计算资源C. 技术(网络结构设计和优化)仍存在收敛难
【单选题】下列关于卷积神经网络(CNN)的说法中,错误的有()A. 卷积神经网络网络一般有输入层、隐藏层、输出层组成B. 卷积神经网络的输入层一般包含包含卷积层
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A. 正确B. 错误
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