A、物体检测
B、图像分割
C、物体跟踪
D、行为分析
答案:ABCD
解析:见算法解析
A、物体检测
B、图像分割
C、物体跟踪
D、行为分析
答案:ABCD
解析:见算法解析
A. 增加阈值不会提高召回率
B. 增加阈值会提高召回率
C. 增加阈值不会降低查准率
D. 增加阈值会降低查准率
解析:召回率=TP/TP+FN
查准率=TP/TP+FP
所以当概率阈值增加时,TP、FP减少或者持平, TP+FN不变,所以召回率不会增加,一般情况,用不同的阀值,统计出一组不同阀值下的精确率和召回率。
A. 残差的平均值总为零
B. 残差的平均值总小于零
C. 残差的平均值总大于零
D. 残差没有此类规律
A. 1
B. 2
C. 3
D. 报错
A. 27*27*3
B. 28*28*3
C. 27*27*6
D. 28*28*6
解析:循环神经网络中,假设输入是一个32*32*3的图像,3表示RGB三通道,卷积核的结构是5*5*3,共6个不同的卷积核,一个卷积核产生一个feature map,则输出的feature map 矩阵的结构是28*28*6 。
A. 给数据打标签
B. 将数据按类别聚合
C. 使智能体获得最大奖赏
D. 实现特定目标
解析:强化学习(Reinforcement Learning, RL)是机器学习的范式和方法论之一,用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题
A. 计数属性
B. 离散属性
C. 非对称的二元属性
D. 对称属性
A. 序列化
B. 剪枝
C. 去重
D. 重组
解析:见算法解析
A. 多分类学习
B. 对数几率回归
C. Fisher判别分析
D. 多分类学习
解析:数学基础
A. 解决了梯度消失、爆炸的问题
B. 输出不是以0为中心
C. 计算方便,计算速度快,求导方便
D. 加速网络训练
解析:见算法解析