A、发现
B、研判
C、风险分析
D、反馈
答案：ABCD
解析：主要应用
A、发现
B、研判
C、风险分析
D、反馈
答案：ABCD
解析：主要应用
A. 局部感知
B. 参数共享
C. 全连接
解析：卷积神经网络相邻的两层只有部分节点相连，因此排除全连接。卷积神经网络具有局部感知和参数共享两个特点，局部感知即卷积神经网络的每个神经元只对图像的局部像素进行感知，然后在更高层将这些局部的信息进行合并，从而得到图像的全部表征信息；权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。
解析：矢量场的旋度是一个矢量，是空间坐标点的函数
A. Action
B. Attention
C. Transformation
D. Information
解析：Transformer中抛弃了传统的CNN和RNN，整个网络结构完全是由Attention机制组成。
解析：因为A可逆，所以 A^-1(AB)A = BA，所以 AB 与 BA 相似，因此 AB与BA有相同的特征值
A. 他们经常不会过拟合
B. 他们通常带有高偏差，所以其并不能解决复杂学习问题
C. 他们通常会过拟合
A. Jupyter Notebook有两种模式：编辑模式、命令模式
B. Jupyter Notebook有两种形式的单元：Code单元、Markdown单元
C. Jupyter Notebook Markdown可以使用LaTeX语法
D. Jupyter Notebook可以支持Python等多种语言
解析：Jupyter Notebook有三种形式的单元：Code单元、Markdown单元、原始单元
A. 计算机视觉
B. 自然语言处理
C. 智能语音
D. 知识图谱
解析：主要应用
A. 提出候选框生成网络，取代了SelectiveSearch
B. 在RPN与最终输出的两个阶段，将分类损失和框回归损失进行联合后对网络进行优化
C. 采用ROIpooling层，加速特征提取过程
D. 将CNN提取到的特征送入SVM进行分类
解析：见算法解析
A. 卷积神经网络&;&循环神经网络&;&全连接神经网络&;&卷积和循环神经网络
解析：见算法解析
