题目内容
（请给出正确答案）
[单选题]
以下关于神经网络的说法错误的是（）。
A.递归神经网络不允许网络中出现环形结构
B.减少神经网络层数，可能会降低测试集分类错误率
C.循环神经网络适合处理序列数据
D.卷积神经网络可以应用于图像分类
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.递归神经网络不允许网络中出现环形结构
B.减少神经网络层数，可能会降低测试集分类错误率
C.循环神经网络适合处理序列数据
D.卷积神经网络可以应用于图像分类
如果结果不匹配，请 联系老师 获取答案
更多“以下关于神经网络的说法错误的是（）。”相关的问题
A.卷积神经网络可以包含卷积层,池化层和全连接层
B.卷积核不可以用来提取图片全局特征
C.在处理图片时，是以扫描窗口的方式对图像做卷积
D.常见的池化层有最大池化与平均池化
A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合
B.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合
C.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量
D.通过增加数据扰动的数据增强减少了神经网络的过拟合
A.①
B.①③
C.①②
D.②
A.Word2vec是无监督学习
B.Word2vec利用当前特征词上下文信息实现词向量编码，是语言模型的副产品
C.Word2vec能够表示词汇之间的语义相关性
D.Word2vec没有使用完全的深度神经网络
E.Word2vec可以采用负采样的技术在大词表上优化计算
A.计算机视觉领域中，人脸识别、物体识别、物体目标检测等方向已经在人们的生活中得到了广泛的应用
B.计算机视觉目前仍然使用的还是二维图像，尤其神经网络算法中的数据集全部都是二维图片
C.计算机视觉是人工智能目前应用最广泛的领域之一
D.人脸识别领域、火车身份认证，手机屏幕解锁等应用的是模式识别技术，并未涉及计算机视觉
A.RNN的隐层神经元的输入包括其历史各个时间点的输出
B.RNN比较擅长处理时序数据，例如文本的分析
C.在各个时间点，RNN的输入层与隐层之间、隐层与输出层之间以及相邻时间点之间的隐层权重是共享的，因为不同时刻对应同一个网络
D.RNN的损失函数度量所有时刻的输入与理想输出的差异，需要使用梯度下降法调整参数不断降低损失函数
