吴恩达深度学习-第3周测验 - 浅层神经网络

该测验主要涵盖了浅层神经网络的相关知识,包括训练示例的矩阵表示、激活函数的作用、前向传播的向量化实现、激活函数的选择、权重初始化的影响以及神经网络的结构。问题涉及到tanh和sigmoid在隐藏层与输出层的应用,以及随机初始化权重的重要性。
摘要由CSDN通过智能技术生成

第3周测验 - 浅层神经网络

 

1.以下哪一项是正确的?

【★】X是一个矩阵,其中每个列都是一个训练示例。
【★】a[2]4a4[2] 是第二层第四层神经元的激活的输出。
【★】a[2](12)a[2](12)表示第二层和第十二层的激活向量。
【★】a[2]a[2] 表示第二层的激活向量。
 

 

2.tanh激活函数通常比隐藏层单元的sigmoid激活函数效果更好,因为其输出的平均值更接近于零,因此它将数据集中在下一层是更好的选择,请问正确吗?

【★】True
【 】 False

 

3.正如视频中所看到的,tanh的输出在-1和1之间,因此它将数据集中在一起,使得下一层的学习变得更加简单。

其中哪一个是第l层向前传播的正确向量化实现,其中1≤l≤L1≤l≤L

正确的答案:

Z[l]=W[l]A[l−1]+b[l]Z[l]=W[l]A[l−1]+b[l]
A[l]=g[l](Z[l])A[l]=g[l](Z[l])

 

4.您正在构建一个识别黄瓜(y = 1)与西瓜(y = 0)的二元分类器。 你会推荐哪一种激活函数用于输出层?

【 】 ReLU
【 】 Leaky ReLU
【★】sigmoid
【 】 tanh

解释:sigmoid函数的输出值可以很容易地理解为概率。

 


5.Sigmoid输出的值介于0和1之间,这使其成为二元分类的一个非常好的选择。 如果输出小于0.5,则可以将其归类为0,如果输出大于0.5,则

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

SUNNY小飞

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值