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
