A、relu
B、batch
C、step
D、padding
答案：B
解析：在CNN构建中，指定每次训练或验证数据集图片多少的变量为batch。
A、relu
B、batch
C、step
D、padding
答案：B
解析：在CNN构建中，指定每次训练或验证数据集图片多少的变量为batch。
A. 输入门
B. 记忆门
C. 忘记门
D. 输出门
解析：长短期记忆LSTM 具有与循环神经网络相似的控制流，两者的区别在于LSTM中增加了 忘记门导致单元内的处理过程不同。
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. 轨迹跟踪
B. 决策树
C. 数据挖掘
D. K近邻算法
解析：决策树是一种基于树结构进行决策的算法。
A. 数据定义
B. 数据管理
C. 数目操纵
D. 数据控制
A. 1-范数
B. 2-范数
C. ∞-范数
D. 矩阵范数
解析：错误
A. 神经网络可以用于多分类问题
B.
决策树只能用于二分类问题
C.
监督学习与无监督学习的主要区别是，监督学习的训练样本无标签
D. 分类任务的评价指标精确率和准确率是同一个概念
A. 全局梯度算法可以找到损失函数的最小值
B. 批量梯度算法可以解决局部最小值问题
C. 随机梯度算法可以找到损失函数的最小值
D. 全局梯度算法收敛过程比较耗时
A. 4
B. 4＋2Δx
C. 4＋2(Δx)2
D. 4x
解析：解析：选B.因为Δy＝[2(1＋Δx)2－1]－(2×12－1)＝4Δx＋2(Δx)2，所以ΔyΔx＝4＋2Δx，故选B.
A. 序列数据的输入和输出通常是不固定的，有的序列长，有的序列短
B. 全连接网络的根本不能处理任何序列数据
C. 全连接网络的层次太深导致梯度消失，所以不能处理序列问题
D. 命名实体识别问题是一个无法解决的问题，全连接网络也不能解决这个问题
解析：序列数据的输入和输出通常是不固定的，有的序列长，有的序列短，因此不能用多层全连接网络解决命名实体识别问题
