A、作为递归神经网络,允许出现环形结构;
B、一些神经元的输出反馈回来会作为输入信号;
C、用于处理静态模型,即无法处理与时间有关的动态变化;
D、可利用BP算法来进行参数优化;
答案:C
解析:见算法解析
A、作为递归神经网络,允许出现环形结构;
B、一些神经元的输出反馈回来会作为输入信号;
C、用于处理静态模型,即无法处理与时间有关的动态变化;
D、可利用BP算法来进行参数优化;
答案:C
解析:见算法解析
A. Adjust Rand Index 衡量两个序列相似性的算法。
B. 齐次性和完整性
C. 轮廓系数
A. 1)收集数据,2)准备数据,3)分析数据,4)训练算法,5)测试算法,6)使用算法
B. 1)收集数据,2)分析数据,3)准备数据,4)训练算法,5)测试算法,6)使用算法
C. 1)收集数据,2)分析数据,3)准备数据,4)测试算法,5)训练算法,6)使用算法
D. 1)收集数据,2)分析数据,3)测试算法,4)训练算法,5)准备数据,6)使用算法
解析:机器学习算法的一般流程
(1) 收集数据:可以使用任何方法。
(2) 准备数据:距离计算所需要的数值,最好是结构化的数据格式。
(3) 分析数据:可以使用任何方法。
(4) 训练算法:此步骤不适用于k-近邻算法。
(5) 测试算法:计算错误率。
(6) 使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输
入数据分别属于哪个分类,最后应用对计算出的分类执行后续的处理。
A. 拓展分列式
B. 分布式
C. 可扩展
D. 可扩展分布式
解析:为应对图计算中对高效处理大规模图数据的巨大挑战,可扩展分布式图计算成为了当前热点研究问题。
A. Adam
B. SGD
C. Adaboost
D. Adadelta
A. 计算式人工智能
B. 生成式人工智能
C. 分析式人工智能
D. 决策式人工智能
A. 广度优先搜索
B. 深度优先搜索
C. 有界深度优先搜索
D. 启发式搜索
A. 去掉该属性
B. 使用默认值
C. 使用属性平均值
D. 预测最可能的值
A. Windows
B. MacOS
C. CentOS
D. Ubuntu
解析:基础概念理解