答案:A
A. 测量空间
B. 特征表示
C. 特征匹配
D. 特征空间
解析:见算法解析
A. 函数在某点的极限存在的充要条件是在该点左极限及右极限均存在且相等
B. 函数在某点处解析指函数在该点及其领邻域内处处可导,解析函数的导数不一定是解析的
C. 函数可导不一定连续;不可导的函数一定不连续;存在处处可导但处处不连续的函数
D. 函数f(x)在x0处可导的充要条件是x在x0处的左右导数都存在且相等
解析:解析函数的导数仍然是解析的。函数可导则函数连续;函数连续不一定可导;不连续的函数一定不可导;存在处处连续但处处不可导的函数
A.
神经网络的类型(如MLP,CNN)
B. 输入数据
C. 计算能力(硬件和软件能力决定)
D. 学习速率与映射的输出函数
解析:所有上述因素对于选择神经网络模型的深度都是重要的。特征抽取所需分层越多, 输入数据维度越高, 映射的输出函数非线性越复杂, 所需深度就越深. 另外为了达到最佳效果, 增加深度所带来的参数量增加, 也需要考虑硬件计算能力和学习速率以设计合理的训练时间。
A. 雪崩
B. 真名实姓
C. 深渊上的火
D. 天渊
A. 标准差
B. 最大值
C. 平均值
D. 最小值
A. 输出层与输入层之间包含隐含层,且隐含层和输出层都拥有激活函数的神经元
B. 神经元之间存在这同层连接以及跨层连接
C. 输入层仅仅是接收输入,不进行函数处理
D. 每层神经元上一层与下一层全互连
解析:神经网络每层神经元与下层神经完全互连,神经元之间不存在同层连接,也不存在跨层连接,这样的神经网络结构通常称为“多层前馈神经网络”
A. sigmoid
B. relu
C. tanh
D. skip
解析:见算法解析
A. 机器翻译
B. 成像精确制导
C. 自动问答
D. 博弈问题
A. 回归
B. 分类
C. 聚类
D. 强化
解析:聚类分析起源于分类学,但是聚类不等于分类。聚类与分类的不同在于,聚类所要求划分的类是未知的。
A. 高通
B. 英特尔
C. AMD
D. 英伟达