APP下载

计算机知识技术题库

搜索

计算机知识技术题库

题目内容

(

单选题

)

绝大多数统计和数据挖掘算法是按照()来实现的。

A、关系型

B、实践型

C、参考型

D、互联型

答案：A

计算机知识技术题库

在目标检测中，ROIpooling算法能产生候选框

点击查看题目

关于反向传播，以下说法错误的是?

点击查看题目

考虑到RNN（或者LSTM，GRU等）类模型只能从()依次计算或者从()依次计算，带来了一定的局限性

点击查看题目

如果我们希望预测n个类（p1，p2 ... pk）的概率使得所有n的p的和等于1，那么下列哪个函数可以用作输出层中的激活函数？

点击查看题目

梯度爆炸会导致梯度激增，应避免梯度爆炸。

点击查看题目

图像边缘检测中常用的边缘检测算子有哪些？

点击查看题目

word2vec的训练方式有2种，一个是根据上下文预测中心词的CBOW模型，一种是由中心词预测上下文的skip-gram模型。

点击查看题目

LDA(Latent Dirichlet Allocation)是一种降维算法，适用于文本建模

点击查看题目

从数1，2，3，4中任取一个数，记为X，再从1，2，…，X中任取一个数，记为Y，则P{Y=2}=______

点击查看题目

卷积神经网络中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到，其作用是特征提取。

点击查看题目

计算机知识技术题库

题目内容

(

单选题

)

手机预览

计算机知识技术题库

绝大多数统计和数据挖掘算法是按照()来实现的。

A、关系型

B、实践型

C、参考型

D、互联型

答案：A

相关题库:

计算机知识技术题库

分享

计算机知识技术题库

相关题目

在目标检测中，ROIpooling算法能产生候选框

解析：RoI是Region of Interest的简写，是指对一张图片的“感兴趣区域”，用于RCNN系列算法当中，输入图片在经过卷积网络得到feature maps后，利用选择搜索或者RPN算法来得到多个目标候选框，这些以输入图片为参考坐标的候选框在feature maps上的映射区域，即为目标检测中所说的RoI。

点击查看答案

关于反向传播，以下说法错误的是?

A. 反向传播只能在前馈神经网络中运用

B. 反向传播可以结合梯度下降算法更新网络权重

C. 反向传播会经过激活函数

D. 反向传播指的是误差通过网络反向传播

点击查看答案

考虑到RNN（或者LSTM，GRU等）类模型只能从()依次计算或者从()依次计算，带来了一定的局限性

A. 前向后

B. 后向前

C. 左向右

D. 右向左

解析：见算法解析

点击查看答案

如果我们希望预测n个类（p1，p2 ... pk）的概率使得所有n的p的和等于1，那么下列哪个函数可以用作输出层中的激活函数？

A. Softmax

B. ReLu

C. Sigmoid

D. Tanh

点击查看答案

梯度爆炸会导致梯度激增，应避免梯度爆炸。

点击查看答案

图像边缘检测中常用的边缘检测算子有哪些？

A. Roberts算子

B. Prewitt算子

C. Sobel算子

D. Canny算子

解析：见算法解析

点击查看答案

word2vec的训练方式有2种，一个是根据上下文预测中心词的CBOW模型，一种是由中心词预测上下文的skip-gram模型。

解析：正确

点击查看答案

LDA(Latent Dirichlet Allocation)是一种降维算法，适用于文本建模

点击查看答案

从数1，2，3，4中任取一个数，记为X，再从1，2，…，X中任取一个数，记为Y，则P{Y=2}=______

A. 11/48

B. 01月04日

C. 13/48

D. 07月24日

解析：用全概率公式P{Y=2}=P{Y=2|X=2}P{X=2}+P{Y=2|X=3}P{X=3}+P{Y=2|X=4}P{X=4}=1/2*1/4+1/3*1/4+1/4*1/4=13/48

点击查看答案

卷积神经网络中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到，其作用是特征提取。

点击查看答案

试题通app下载

类似热门题库

《数据网组建与维护》课程题库

计算机操作员四级

python单选题题目练习题

python选择填空题库练习

全国计算机一级选择题真题

管理信息理论复习题库

通信专业应知应会题库(最终版）

大数据技术理论题库

2024参考题库理论知识

计算机知识练习题库

试题通小程序

试题通app下载

©2016-2024.南通佰易网络科技有限公司
苏ICP备16028519号-2 苏公网安备32061102000302