已知:大脑是由很多个叫神经元的东西构成,神经网络是对大脑的简单的数学表达。每一个神经元都有输入、处理函数和输出。神经元组合起来形成了网络,可以拟合任何函数。为了得到最佳的神经网络,我们用梯度下降方法不断更新模型。给定上述关于神经网络的描述,什么情况下神经网络模型被称为深度学习模型(_____)。
A. 加入更多层,使神经网络的深度增加.
B. 有维度更高的数据
C. 当这是一个图形识别的问题时
D. 以上都不正确
已有一个由全连接层构成的前馈神经网络,输入层有5个神经元,第一隐层有10个神经元,第二隐层有10个神经元,输出有2个神经元,则神经网络模型中共有(_____ )个连接数(权重数)。
A. 27
B. 1000
C. 170
D. 80
关于激活函数以下说法正确的是(_____ )。
A. sigmoid函数在深度神经网络中梯度反向传播时,容易导致梯度消失
B. tanh函数对于规模比较大的深度神经网络计算速度比较慢
C. reLu函数计算速度和收敛速度都比tanh/sigmoid快
D. reLu函数的正区间存在梯度消失的问题
卷积神经网络不涉及以下哪项技术(_____)。
A. 激活函数
B. 反向传播
C. 池化
D. 条件随机场