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
