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