A、从数据点中随机选择数量与簇的数量相同的数据点,作为这些簇的重心
B、计算数据点与各重心之间的距离,并将最近的重心所在的簇作为该数据点所属的簇
C、计算每个簇的数据点到重心距离的平均值,并将其作为新的重心
D、重复步骤2与步骤3,继续计算,直到所有数据点不改变所属的簇,或达到计算最大次数
答案:ABCD
A、从数据点中随机选择数量与簇的数量相同的数据点,作为这些簇的重心
B、计算数据点与各重心之间的距离,并将最近的重心所在的簇作为该数据点所属的簇
C、计算每个簇的数据点到重心距离的平均值,并将其作为新的重心
D、重复步骤2与步骤3,继续计算,直到所有数据点不改变所属的簇,或达到计算最大次数
答案:ABCD
A. 卷积滤波矩阵中的参数
B. 全连接层的链接权重
C. 激活函数中的参数
D. 模型的隐藏层数目
A. 是一个监督学习算法
B. 是一个分类模型
C. 是一个回归模型
D. 主要用来处理时间序列数据样本
A. 序列中的元素是无关的
B. 序列中的元素蕴含着顺序的规律
C. 序列中的元素都是随机出现的
D. 序列中的元素都来自同一个数据源
解析:循环神经网络之所以有作用是因为序列中的元素蕴含着顺序的规律
A. 标量
B. 向量
C. 结构体
D. 有向图
解析:自然语言中的词语需要转化为计算机可以记录处理的数据结构,通常会把自然语言中的词语转化为向量。
A. 静态 弱类型
B. 动态 弱类型
C. 动态 强类型
D. 静态 强类型
解析: python是一门动态、强类型语言
A. 个体学习器的数量
B. 个体学习器的生成方式
C. 个体学习器的的类型
D. 个体学习器的的强弱
A. 深度神经网络
B. 费米神经网络
C. 卷积神经网络
D. 循环神经网络
解析:2019年,DeepMind开发出一种费米神经网络来近似计算薛定谔方程,在精度和准确性上都满足科研标准,为深度学习在量子化学领域的发展奠定了基础,
A. 存储集合清除
B. 存储整合清除
C. 储蓄集合清洗
D. 存储清洗整合
解析:大数据技术为输入数据在存储清洗整合方面做出了贡献,帮助提升了深度学习算法的性能。
A. Softmax
B. ReLu
C. Sigmoid
D. Tanh