答案:B
A. 信息模型
B. 语言模型
C. 话题模型
D. 数据模型
A. 正态分布
B. 二项分布
C. 边缘分布
D. 指数分布
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. 进程管理
B. 存储管理
C. 设备管理
D. 文件管理
A. HiAI Engine
B. HiAI
Foundation
C. HiAI Framework
D. HiAI Service
A. K-means
B. SVR
C. DBSCAN
D. 以上都是
解析:SVR属于监督学习的方法
A. 深度学习理论迎来整合与突破
B. 机器学习向集中式隐私保护方向演进
C. 类脑计算系统从“专用”向“通用”逐步演进
D. 基于因果学习的信息检索模型与系统成为重要发展方向
解析:主要应用
A. 直接推理和间接推理
B. 正向推理和反向推理
C. 逻辑推理和非逻辑推理
D. 准确推理和模糊推理
A. SVM分类
B. 使用Selective Search输出候选框
C. 使用MLP进行分类与回归预测
D. 使用ROIpooling
A. 剪枝
B. 对数线性回归
C. 极大似然法
D. 正则化
解析:数学基础