答案:B
解析:产生式的基本形式是P->Q
答案:B
解析:产生式的基本形式是P->Q
A. 超大规模
B. 可靠性
C. 虚拟化
D. 安全性
A. 自动计算,通过编程计算456*457*458*459的值
B. 文字识别,如通过OCR快速获得的图像中出汉字,保存为文本
C. 语音输入,通过话筒将讲话内容转成文本
D. 麦克风阵列,如利用灵云该技术实现远场语音交互的电视
解析:自动计算不属于人工智能技术。
A. 实现数据与平台垄断
B. 实现人工智能系统的数据安全
C. 避免数据与平台垄断
D. 建立合理的数据与服务撤销机制
解析:基础概念
A. 多角度
B. 多视图
C. 多环境
D. 多版本
解析:见算法解析
A. 情感分析
B. 问答系统
C. 机器翻译
D. 所有选项
解析:深度学习可以用来解决上述所有NLP问题。
A. 解决了字典爆炸问题,降低了计算复杂度
B. 省去了人工特征工程
C. 采用有监督训练,精度较高
D. 效果不可控
解析:见算法解析
A. FPGA内部有BLOCK RAM存储器
B. 使用BLOCK RAM资源需占用额外的逻辑资源,并且速度慢
C. BLOCK RAM由一定数量固定大小的存储块构成的
D. FPGA内部有由LUT配置成的分布式存储器
解析:Block ram由一定数量固定大小的存储块构成的,使用BLOCK RAM资源不占用额外的逻辑资源,并且速度快,但是使用的时候消耗的BLOCK RAM资源是其块大小的整数倍。
A. 任意尺度输入
B. 效率高
C. 没有考虑上下文信息
D. 分割不够精细
解析:主要应用
A. 最小二乘法可以求解线性回归问题
B. 梯度下降法可以求解线性回归问题
C. 利用最小二乘法求解线性回归问题可能会出现局部最优解
D. 学习率是梯度下降法的重要参数
解析:线性最小二乘问题通过法方程解出来的一定是全局最优解, 事实上这是二次泛函的优化问题(更一般一点, 这是凸优化), 不会出现多个孤立的局部最优解