在实践中，基于模拟数据的实验上，使用深度SFA时，代价函数高度依赖于特定像素值，难以确定模型将学习到什么特征，应用其他学习算法来恢复理论预测的函数。

在卷积神经网络中，核的每一个元素都作用在输入的每一位置上。

判断题在卷积神经网络中，核的每一个元素都作用在输入的每一位置上。

使用线性策略选取学习率时，温和的振荡是良好的，容易在训练随机代价函数时出现。

判断题使用线性策略选取学习率时，温和的振荡是良好的，容易在训练随机代价函数时出现。

神经网络代价函数具有非常多甚至不可数无限多的局部极小值。

判断题神经网络代价函数具有非常多甚至不可数无限多的局部极小值。