A、 K-means算法不能够保证收敛。
B、 现有一个点能被正确分类且远离决策边界。如果将该点加入到训练集则SVM的边界会受其影响
C、 朴素贝叶斯是借助树状结构来刻画属性间的依赖关系。
D、 聚类试图将数据集中的样本划分为若干个子集每个子集称为一个"簇
答案：D
A、 K-means算法不能够保证收敛。
B、 现有一个点能被正确分类且远离决策边界。如果将该点加入到训练集则SVM的边界会受其影响
C、 朴素贝叶斯是借助树状结构来刻画属性间的依赖关系。
D、 聚类试图将数据集中的样本划分为若干个子集每个子集称为一个"簇
答案：D
A. 无需编程即可完成计算任务
B. 功能丰富
C. 提供丰富的教程文档
D. 简单易用
A. 语音去噪
B. 图像生成
C. 图像超分辨
D. 文字生成
A. 行为主义认为智能行为只能在现实世界中,通过与周围环境的不断交互而表现出来。
B. 行为主义认为智能不需要知识、不需要表示、不需要推理。
C. 行为主义认为人工智能落脚点在行为控制、自适应与进化计算。
D. 行为主义认为人工智能可以像人类智能一样逐步进化。
解析：解析:华为的Al全场景包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等端、边、云的部署环境
A. 图像的空间联系是局部像素较为稀疏,而距离较远的像素相关性较强
B. 每一个卷积核在遍历整个图像的时候,卷积核的参数是固定不变的
C. 图像的空间联系是局部像素较为紧密,而距离较远的像素相关性较强
D. 每一个卷积核在遍历整个图像的时候,卷积核的参数是变致的
解析：解析:权值共享意味着每一个卷积核在遍历整个图像的时候,卷积核的参数是固定不变的。卷积神经网络架构单卷积核计算卷积计算描述卷积计算结果演示padding可以保留边缘信息
A. 规则十分复杂或者无法描述比如人脸识别和语音识别
B. 任务的规会随时间改变,比如生产线上的瑕疵检测比如预测商品销售的趋势
C. 数据分布本身随时间变化,需要程序不停的重新适应
D. 规则复杂程度低且问题的规模较小的问题
解析：解析:当解决问题所需要的规则较少,但问题规模较大时,专家系统便可派上用场:利用少数的规则来处理大量的数据。但当问题规模不变,规则的复杂度上升时,专家系统已不在适用,这时候机器学习便派上用场了。
A. 方向盘
B. 毫米波雷达
C. MDC
D. 智能座舱
