A、25%
B、45.5%
C、1.25%
D、36.2%
答案:D
解析:设A1,A2,A3分别表示产品有甲、乙、丙车间生产,B表示产品为次品。P(A1)=0.25,P(A2)=0.35,P(A3)=0.4,P(B|A1)=0.05,P(B|A2)=0.04,P(B|A3)=0.02,
P(A1|B)=P(A1)P(B|A1)/[P(A1)P(B|A1)+P(A2)P(B|A2)+P(A3)P(B|A3)]=0.25*0.05/(0.25*0.05+0.35*0.04+0.4*0.02)=0.362
A、25%
B、45.5%
C、1.25%
D、36.2%
答案:D
解析:设A1,A2,A3分别表示产品有甲、乙、丙车间生产,B表示产品为次品。P(A1)=0.25,P(A2)=0.35,P(A3)=0.4,P(B|A1)=0.05,P(B|A2)=0.04,P(B|A3)=0.02,
P(A1|B)=P(A1)P(B|A1)/[P(A1)P(B|A1)+P(A2)P(B|A2)+P(A3)P(B|A3)]=0.25*0.05/(0.25*0.05+0.35*0.04+0.4*0.02)=0.362
解析:BERT是用了Transformer的encoder侧的网络
A. 半结构化
B. 结构化
C. 文本化
D. 非结构化
解析:自然语言处理(NLP,Natural Language Processing)
A. 主动学习
B. 回归学习
C. 聚类学习
D. 直推学习
解析:见算法解析
解析:长短时记忆网络(Long Short Term Memory,简称LSTM)模型,本质上是一种特定形式的循环神经网络(Recurrent Neural Network,简称RNN)。 LSTM模型在RNN模型的基础上通过增加门限(Gates)来解决RNN短期记忆的问题,使得循环神经网络能够真正有效地利用长距离的时序信息。
解析:正确
A. 状态空间
B. 综合数据库
C. 规则集
D. 控制策略