2025-06-06 10:58:22拍照录题_在线真题试卷与模拟练习_2025-06-06 10:58:22拍照录题_考试宝

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 0 / 0

随机练习 自定义设置练习量

题型乱序 按导入顺序练习

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

关于下面的语句，描述错误的是： history = ann.fit(x_train, y_train, epochs = 10, batch_size=64, validation_data=(x_test, y_test))

以下是哪个激活函数的曲线

混淆矩阵如下所示：

预测的值

真实的标签值

0（负） 1（正）

0（负） 30 150

1（正） 50 100

则，精确率的值是：

根据以下语句： ann.add(Dense(units=12, input_dim=11, activation='relu')) 以下说法错误的是：

以下哪个不是评估指标：

以下哪些措施不是解决梯度消失和梯度爆炸的有效措施：

混淆矩阵如下所示：

预测的值

真实的标签值

0（负） 1（正）

0（负） 30 150

1（正） 50 100

则召回率的值是：

以下代码中的错误是（省略了各个库的import）： ann = Sequential() ann.add(Dense(units=12, input_dim=11, activation='relu')) ann.add(Dense(units=24, activation='relu')) ann.add(Dense(units=1, activation='relu')) ann.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc']) history = ann.fit(x_train,y_train, epochs = 10, batch_size=64, validation_data=(x_test,y_test))

混淆矩阵如下所示：

预测的值

真实的标签值

0（负） 1（正）

0（负） 30 150

1（正） 50 100

则，TP的值是：

以下神经网络中，最后一层（输出层）有多少个神经元（units）？

dense_1 Dense：input(None,11)、output(None,12)

dense_2 Dense：input(None,12)、output(None,24)

dense_3 Dense：input(None,24)、output(None,1)

关于感知机（单体神经元）的运算，以下说法错误的是：

关于下面的语句，描述错误的是： ann.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc'])

神经网络的最后一层称为输出层，关于输出层的激活函数，以下说法正确的是：

以下关于神经网络模型训练过程的说法，错误的是：

什么情况下使用精确率、召回率等评估指标比较有效：

以下哪个不是常用的样本特征缩放方法。

关于语句：Ann.add(Dropout(0.25)) 以下说法错误的是。

关于神经网络训练时可以调整的超参数，以下说法错误的是。

关于以下语句，正确的解释是：from keras.models import Sequential ann = Sequential()

假设精确率是P、召回率是R，则F1分数为。

1 2