A、模拟图像
B、数字图像
C、黑白图像
D、彩色图像
答案:B
A、模拟图像
B、数字图像
C、黑白图像
D、彩色图像
答案:B
解析:正确
A. 规则长度
B. 规则头
C. 布尔表达式
D. 规则体
解析:见算法解析
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. 增益系数
B. 信息增益
C. 增益率
D. 基尼系数
E. 信息增益量
A. 贝叶斯是概率框架下实施决策的基本方法;
B. 贝叶斯基于概率和误判损失来选择最优的类别标记;
C. 贝叶斯中期望损失定义为风险;
D. 贝叶斯判定准则为最大化总体风险;
解析:数学基础
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. VGG全部使用了3*3的卷积核和2*2的池化核
B. VGG证明了网络越深越好,所以程序员应该没有限制的搭建更深的网络
C. VGG是到目前为止分类效果最好的网络结构
D. VGG没有使用全连接网络结构
解析:VGG全部使用了3*3的卷积核和2*2的池化核
A. 多分枝结构
B. 残差连接
C. BatchNormalization
D. Sigmoid激活函数
解析:见算法解析
解析:后剪枝决策树通常比预剪枝决策树保留了更多的分支, 一般情形下,后剪枝决策树的欠拟合风险很小,泛化性能往往优于预剪枝决策树,但后剪枝过程是在生成完全决策树之后进行的,并且要白底向上地对树中的所有非叶结点进行逐一考察,因此其训练时间开销比未剪枝决策树和预剪枝决策树都要大得多