答案：B
A. 梯度下降法
B. 拟牛顿法
C. 启发式优化方法
D. EM算法
解析：EM算法
A. 损失函数
B. 无参数函数
C. 激活函数
D. 矩阵拼接函数
解析：衡量模型预测值和真实值差距的评价函数被称为损失函数
A. 1.2.3.4
B. 1.3.4.6
C. 1.2.3.4.5.6
D. 3.4.6
解析：DSSM经典模型的优点;1.解决了字典爆炸问题，降低了计算复杂度；2.中文方面使用字作为最细切分粒度，可以复用每个字表达的词义，减少分词的依赖，从而提高模型的泛化能力；3.字母的n-gram可以更好的处理新词，具有较强的鲁棒性；4.使用有监督的方法，优化语义embedding的映射问题；5.省去了人工特征工程；6.采用有监督训练，精度较高。
A. 循环神经网络
B. 卷积神经网络
C. 朴素贝叶斯
D. 深度残差网络
解析：LSTM是一个非常经典的面向序列的模型，可以对自然语言句子或是其他时序信号进行建模，是一种循环神经网络。
A. 关键结构
B. 信息字段
C. 标签
A. 多通路，不同
B. 单通路，不同
C. 多通路，相同
D. 单通路，相同
解析：Inception模块采用多通路，不同的设计形式，每个支路使用多通路，不同大小的卷积核。
A. 生成模型
B. 判别模型
C. 两者都不属于
D. 两者都属于
