1、神经网络是由一个神经元构成的
A、错
B、对
2、隐含层，是指其中神经元的状态在输出端无法直接观测
A、对
B、错
3、v对于一个样本，如果当前权重能够正确判断其类型，就减小当前权重
A、对
B、错
4、对于一个样本，如果当前权重能够正确判断其类型，就提高其比例
A、对
B、错
5、神经元在输入端接受来自多个信号源的输入信息
A、错
B、对
6、以下关于FNN和错误反向传播（BP）算法的说法错误的是：
A、BP算法的核心是对隐含层神经元误差E的估计
B、BP算法的出现解决了多层神经网络权重调整困难的问题
C、BP算法对多层网络训练时使用的sigmoid激活函数存在“梯度弥散”问题
D、BP算法是从输入层开始，逐层计算δ信号调整自身权重，并且将δ信号传向后一层
7、以下说法中，不属于感知器和FNN模型的相同点的是：
A、二者都有输入、激活和输出
B、二者学习的关键都是神经元的损失计算
C、二者都是由多个神经元组成的多层神经网络
D、输入信号向后传递的过程中，都是加权和的计算
8、以下关于前馈神经网络（FNN）的说法正确的是：
A、FNN的同层神经元之间存在连接
B、在FNN中，输入信号的传递方向是明确的，并不存在反向信号传递
C、FNN的输出结果只能是向量
D、一个标准的前馈神经网络只有一个输入层和一个输出层
9、以下关于感知器模型的说法错误的是：
A、汇总后的输入信号如果高于阈值，则产生“激活”信号，否则仍基本维持原有水平
B、在输入端，神经元只接受来自一个信号源的输入信息
C、感知器的信号处理分为四个部分：输入、汇总、激活、输出
D、输入为实例的特征向量，由激活函数计算输出，输出为1、-1两个值
10、以下关于感知器的说法错误的是：
A、一层感知器只能针对线性可分的数据集分类，无法解决异或（XOR）问题
B、感知器模型的关键，就是通过调整权重使一类样本可以激活神经元，而另一类则不会
C、感知器模型中的激活函数是二值函数时，损失函数是可导的
D、重调整采用“奖惩分明”策略，即对于能够准确判断样本类型的权重，提高当前权重比例，反之则降低当前权重比例
11、生成式模型模拟概率分布时，常用“后验分布”。
A、对
B、错
12、用生成式模型根据少量样本来估计整个类型的概率特征是很困难的
A、对
B、错
13、判别式模型对问题本质缺乏了解，无法从个例中抽象出整体概念
A、错
B、对
14、生成对抗网络结合了生成模型和判别模型
A、对
B、错
15、图像分类属于生成对抗模型的应用的是
A、错
B、对
