3.2 神经元的工作秘密：加权、求和与激活习题.docx

3.2神经元的工作秘密：加权、求和与激活

一、判断题

人工神经元在处理信息时，其基本逻辑是先对输入信号进行激活处理，然后再进行加权求和计算。（）

在神经元的数学模型中，权重（Weight）的大小代表了该输入信号对最终决策结果的影响程度。（）

偏置项（Bias）的作用类似于“改变神经元被激活的门槛”，它让模型在决策时更加灵活。（）

ReLU激活函数在输入为负数时输出恒为0，由于其涉及复杂的指数运算，计算速度通常比Sigmoid函数慢。（）

在多分类任务中，输出层通常使用Softmax函数，因为它能确保所有输出类别的概率之和等于1。（）

二、选择题

在人工神经元的数学模型?y=f(ω