答案:A
A. 一个
B. 两个
C. 多个
D. 无
解析:神经元之间的每个连接都有一个权重。
A. MapReduce是一种计算框架
B. MapReduce来源于google的学术论文
C. MapReduce程序只能用java语言编写
D. MapReduce隐藏了并行计算的细节,方便使用
A. wspace
B. hspace
C. vspace
D. lspace
解析:见算法解析
A. 用“与/或”图表示知识方便使用程序设计语言表达,也便于计算机存储处理
B. “与/或”图表示知识时一定同时有“与节点”和“或节点”
C. “与/或”图能方便地表示陈述性知识和过程性知识
D. 能用“与/或”图表示的知识不适宜用其他方法表示
解析:D选项说法太绝对。“与/或”图可以系统地将整个问题分解为互相独立的小问题,然后分而解决。 “与/或”图是由“与节点”及“或节点”组成的结构图。
A. 专家系统
B. 人工神经网络
C. 模式识别
D. 智能代理
解析:为了解决如何模拟人类的感性思维,例如视觉理解、直觉思维、悟性等,研究者找到一个重要的信息处理的机制是人工神经网络
A. def someFunction():
B. function someFunction()
C. def someFunction()
D. function someFunction():
A. 特征灵活
B. 速度快
C. 可容纳较多上下文信息
D. 全局最优
解析:最大熵隐马模型则解决了隐马的问题,可以任意选择特征,但由于其在每一节点都要进行归一化,所以只能找到局部的最优值,同时也带来了标记偏见的问题,即凡是训练语料中未出现的情况全都忽略掉。条件随机场则很好的解决了这一问题,他并不在每一个节点进行归一化,而是所有特征进行全局归一化,因此可以求得全局的最优值。
A. 在训练神经网络过程中,参数不断调整,其调整的依据是基于损失函数不断减少
B. 每一次Epoch都会对之前的参数进行调整,迭代次数越多,损失函数一般越小
C. 模型参数量越多越好,没有固定的对应规则
D. 训练好的神经网络模型存储于一定结构的神经元之间的权重和神经元的偏置中
解析:几乎模型每个操作所需的时间和内存代价都会随模型参数量的增加而增加