DSSM经典模型的优点;1.解决了字典爆炸问题，降低了计算复杂度；2.中文方面使用字作为最细切分粒度，可以复用每个字表达的词义，减少分词的依赖，从而提高模型的泛化能力；3.字母的n-gram可以更好的处理新词，具有较强的鲁棒性；4.使用有监督的方法，优化语义embedding的映射问题；5.省去了人工特征工程；6.采用有监督训练，精度较高。

点击查看题目

通过继承创建的新类称为（）。

点击查看题目

元宇宙中的电力系统是建设数字化、信息化、智能化新型电力系统的有效验证手段，新型电力系统需要大量的数字化仿真建模分析，将在元宇宙中呈现（）与数字化设备的高度融合。

点击查看题目

语言模型的参数估计经常使用MLE（最大似然估计）。面临的一个问题是没有出现的项概率为0，这样会导致语言模型的效果不好。为了解决这个问题，需要使用去噪。

题目内容

(

多选题

)

手机预览

计算机知识技术题库

matplotlib中，subplots_adjust方法中的（）和（）参数分别控制图片的宽度和高度百分比，以用作子图间的间距。

A、 wspace

B、hspace

C、vspace

D、lspace

答案：AB

解析：见算法解析

相关题目

专家系统知识表示的方法主要有哪些？

A. 逻辑表示法（谓词表示法）

B. 框架

C. 产生式

D. 语义网络

点击查看答案

问题状态描述中的算符是问题从一种状态变化为另一种状态的手段。（）

点击查看答案

ImageNet大赛是计算机视觉领域非常重要的大赛，从ImageNet大赛中走出来的著名网络结构有：①.AlexNet②.VGG③.GoogLeNet④.RestNet

A. ①③④

B. ①②③④

C. ①③④

D. ①②④

解析：都属于从ImageNet大赛中走出来的著名网络结构。

点击查看答案

Boosting是一可将弱学习器提升为强学习器的算法，最著名的代表是

A. Bagging

B. 随机森林

C. AdaBoost

D. 决策树

点击查看答案

Python内置函数_____用来返回序列中的最大元素。

A. maxin()

B. max()

C. min()

D. least()

点击查看答案

用多个小卷积核串联可以有大卷积核同样的能力，2个3*3卷积核可以代替一个7*7卷积核，参数更少；

解析：错误

点击查看答案

A. 1.2.3.4

B. 1.3.4.6

C. 1.2.3.4.5.6

D. 3.4.6

解析：DSSM经典模型的优点;1.解决了字典爆炸问题，降低了计算复杂度；2.中文方面使用字作为最细切分粒度，可以复用每个字表达的词义，减少分词的依赖，从而提高模型的泛化能力；3.字母的n-gram可以更好的处理新词，具有较强的鲁棒性；4.使用有监督的方法，优化语义embedding的映射问题；5.省去了人工特征工程；6.采用有监督训练，精度较高。

点击查看答案

通过继承创建的新类称为（）。

A. 基类

B. 父类

C. 子类

D. 派生类

点击查看答案

A. 现实设备&;&虚拟设备

B. 电力设备

C. 智能设备

点击查看答案

解析：需要使用平滑