A、全连接网络完全不能做计算机视觉任务
B、全连接网络理论在处理视觉任务时计算量很小
C、全连接网络理论在处理视觉任务时会出现维数灾难现象，而卷积神经网络可以缓解这一现象
D、卷积神经网络只能做计算机视觉任务
答案：C
解析：全连接网络理论在处理视觉任务时会出现维数灾难现象，而卷积神经网络可以缓解这一现象
A、全连接网络完全不能做计算机视觉任务
B、全连接网络理论在处理视觉任务时计算量很小
C、全连接网络理论在处理视觉任务时会出现维数灾难现象，而卷积神经网络可以缓解这一现象
D、卷积神经网络只能做计算机视觉任务
答案：C
解析：全连接网络理论在处理视觉任务时会出现维数灾难现象，而卷积神经网络可以缓解这一现象
A. 5
B. 6
C. 10
D. 3
解析：语义网络指Semantic Network，语义网指Semantic Web。 语义网络是由Quillian于上世纪60年代提出的知识表达模式，其用相互连接的节点和边来表示知识。
解析：正确
A. 在线
B. 离线
C. 自动
D. 手动
解析：主要应用
A. 精确度
B. 准确率
C. 召回率
D. 纯度
解析：见算法解析
A. 特征提取
B. 灰度校正
C. 加注标签
D. 平滑去噪
解析：主要应用
A. 数据优化
B. 数据增强
C. 模型集成
D. 引入参数范数惩罚项
解析：常见的机器学习模型正则化方法包含数据增强、模型集成、引入参数范数惩罚项
A. 平方损失函数
B. 交叉熵损失函数
C. 原型损失函数
D. 累加合损失函数
解析：见算法解析
解析：当前，各国人工智能治理侧重各有不同，但整体上呈现加速演进态势，即从初期构建以“软法”为导向的社会规范体系，开始迈向以“硬法”为保障的风险防控体系。
