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。

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，ReLU激活函数的主要作用是：（ ）A. 提取图像频域特征B. 引入非线性并抑制负值响应C. 生成概率分布输出D. 实现特征降维

在人工神经网络中,隐藏层的作用是什么A. 学习数据的特征表示B. 存储数据C. 输出预测结果D. 接收输入数据

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

在神经网络中,激活函数的作用是:A. 增加计算复杂度B. 引入非线性C. 减少训练时间D. 提高模型的准确率

卷积神经网络的主要特点是什么A. 权值共享B. 全局连接C. 局部连接D. 亚采样

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

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