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。