符号主义学派的原理是神经网络及神经网络间的连接机制与学习算法。（)

A.4

B.3

C.2

D.5

A.使用增加训练次数的方法不一定可以减少代价函数的取值

B.神经网络权重的初始化大小会对网络的训练结果无影响

C.对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素

D.分析问题确定后，神经网络合适的结构就可以确定

A.单层的全互连的反馈型神经网络

B.多层的非全互连的反馈型神经网络

C.单层的非全互连的反馈型神经网络

D.多层的全互连的反馈型神经网络

A.单层感知器的局限在于不能解决异或问题

B.前馈神经网络可用有向无环图表示

C.随着神经网络隐藏层数的增加,模型的分类能力逐步减弱

D.前馈神经网络同一层的神经元之间不存在联系

A.Hopfield网

B.BP网络

C.多层感知器

D.LVQ网络

以前的神经网络，由于算法的局限性，只能处理()的神经网络。

A.神经网络

B.K-Means

C.KNN

D.SVM

A.对图像进行增强

B.对图像进行裁剪

C.对图像进行平滑(模糊化)

D.对图像进行分类

A.易陷入局部极小

B.学习效率低

C.隐节点的个数可以随意取

D.检验时新样本与训练样本差别大泛化效果弱