BP神经网络在训练过程中，损失函数可能比较大，但随着训练的进行，损失函数基本不变化了，这种现象说明神经网络陷入？

BP神经网络在训练过程中，损失函数可能比较大，但随着训练的进行，损失函数基本不变化了，这种现象说明神经网络陷入？

参考答案和解析
局部极小值 或者 局部极小 或者 局部最优解

相关考题：

sigmoid函数属于阶跃函数,是神经网络中常见的激活函数。() 此题为判断题(对，错)。
查看答案
RBF神经网络的学习过程和BP神经网络的学习过程类似,二者的主要区别在于各使用不同的作用函数。() 此题为判断题(对，错)。
查看答案
机器学习可以分为两个阶段,制作人工神经网络的“学习阶段”和利用已完成的人工神经网络输出正解的“()”。 A、判断阶段B、预测阶段C、验证阶段D、训练阶段
查看答案
对于神经网络的说法,下面正确的是:( ) A增加神经网络层数,可能会增加测试数据集的分类错误率B减少神经网络层数,总是能减小测试数据集的分类错误率C增加神经网络层数,总是能减小训练数据集的分类错误率
查看答案
对于一个分类任务,如果开始时神经网络的权重不是随机赋值的,二是都设成0,下面哪个叙述是正确的?( ) A.其他选项都不对B.没啥问题，神经网络会正常开始训练C.神经网络可以训练，但是所有的神经元最后都会变成识别同样的东西D.神经网络不会开始训练，因为没有梯度改变
查看答案
在训练神经网络时,损失函数(loss)在最初的几个epochs时没有下降,可能的原因是?( ) A.学习率(learningrate)太低B.正则参数太高C.陷入局部最小值D.以上都有可能
查看答案
神经网络训练过程中的哪些现象表明可能出现了梯度爆炸?( ) A.模型梯度快速变大B.模型权重变为NaN值C.每个节点和层的误差梯度值持续超多1.0D.损失函数持续减小
查看答案
人工神经网络训练的目的就是使得损失函数最小化。
查看答案
（）是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。A、损失函数B、优化函数C、反向传播D、梯度下降
查看答案
根据损失函数的概念，以下哪项是不正确的？（）A、一个典型的损失函数有一个二次函数形式B、对顾客而言的总损失随着过程中心对目标的偏差而增加C、所有在规范以内的零件不会导致损失D、损失函数的概念经常与“门柱”思维方式相对比
查看答案
神经网络的训练过程不需要人工标记的样本数据集。（）
查看答案
基于神经网络的检测技术的基本思想是用一系列信息单元训练神经单元，在给出一定的输入后，就可能预测出（）。
查看答案
神经网络既善于显式表达知识，又具有很强的逼近非线性函数的能力。
查看答案
以下关于人工神经网络（ANN）的描述错误的是（）。A、神经网络对训练数据中的噪声非常鲁棒B、可以处理冗余特征C、训练ANN是一个非常耗时的过程D、至少含有一个隐藏层的多层神经网络
查看答案
为了测算财产损失与人员伤亡数，需要在各级伤害区内对（　）进行积分。A、财产损失函数B、财产分布函数C、人员损失函数D、人员分布函数E、人员活动范围函数
查看答案
数据挖掘中用到的算法包括（）。A、决策树B、频率分析C、径向基函数网络D、神经网络
查看答案
判断题RBF神经网络的学习过程和BP神经网络的学习过程类似，二者的主要区别在于各使用不同的作用函数。A对B错
查看答案
问答题简述RBF神经网络和BP神经网络的主要区别。
查看答案
判断题人工神经网络训练的目的就是使得损失函数最小化。A对B错
查看答案
填空题基于神经网络的检测技术的基本思想是用一系列信息单元训练神经单元，在给出一定的输入后，就可能预测出（）。
查看答案
问答题简述BP神经网络中，BP算法的基本思想。
查看答案
问答题简述BP神经网络的基本思想。
查看答案
判断题BP 神经网络中隐层使用的 Sigmoid 是函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络。A对B错
查看答案
单选题（）是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。A损失函数B优化函数C反向传播D梯度下降
查看答案
单选题以下关于人工神经网络（ANN）的描述错误的有（）A神经网络对训练数据中的噪声非常鲁棒B可以处理冗余特征C训练ANN是一个很耗时的过程D至少含有一个隐藏层的多层神经网络
查看答案
填空题神经网络主要通过两种学习算法进行训练，即无师学习算法和（）
查看答案
单选题倒传递神经网络（BP神经网络）的训练顺序为何？（） A：调整权重； B：计算误差值； C://利用随机的权重产生输出的结果。ABCABCABCBACDCBA
查看答案
单选题连续型Hopfield网络（）。A是前馈神经网络B是单层反馈型非线性神经网络C具有函数逼近问题D是多层反馈型非线性神经网络
查看答案
热门标签