A、已知模型学习
B、有模型学习
C、模型学习
D、学习模型
答案:B
A、已知模型学习
B、有模型学习
C、模型学习
D、学习模型
答案:B
A. Microsoft
B. intel
C. NVIDIA
D. AMD
解析:重大事件
A. 神经网络的工作原理与生物体内的神经元是完全一样的
B. 训练神经网络的实质是对复杂函数求参数最优解的过程
C. 增加神经网络的层数和增加每层的神经元个数的效果是一样的
D. 神经网络只能进行二分类,不能进行更多种类的分类了
A. catch&;&exception&;&catch(a)&;&except
解析:见函数库
A. 聚类算法通常用于在知道类别的情况下,把样本按照样本之间的相似性等分成不同的类别
B. 聚类算法是一种监督学习算法
C. 聚类算法可以用于回归问题
D. 聚类算法通常用于在不知道类别的情况下,把样本按照样本之间的相似性等分成不同的类别
A. LSTM中通过引入输入门、遗忘门、输出门解决了RNN中存在的梯度消失和梯度爆炸
B. LSTM中门的开关程度是由信息的权重决定的,即训练过程中记住重要信息
C. 与RNN相比,LSTM中引入更多参数,所以其训练周期更久
D. LSTM中使用Sigmoid实现门限控制,而用TanH实现数据处理
A. LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B. CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C. 只要参数设置合理,深度学习的效果至少应优于随机算法
D. 随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
解析:只要参数设置合理,深度学习的效果至不一定优于随机算法
A. 过滤式
B. 包裹式
C. 嵌入式
D. 指定式
A. 2020年与世界先进水平同步
B. 2025年与世界先进水平同步
C. 2025年部分达到世界领先水平
D. 2030年总体达到世界领先水平
解析:基础概念
A. 分类
B. 回归
C. 聚类
D. 关联规则挖掘