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
