答案：B
解析：错误
解析：RNN 有短期记忆问题，无法处理很长的输入序列，训练 RNN 需要投入极大的成本
A. 贝叶斯的学习过程为对训练样本计数
B. 估计出每个结点的条件概率
C. 网络结构为已知
D. 评分搜索为求解的常用办法
解析：若网络结构己知，即属性间的依赖关系己知，则贝叶斯网的学习过程相对简单，只需通过对训练样本“计数”，估计出每个结点的条件概率表即可，但在现实应用中我们往往并不知晓网络结构，于是，贝叶斯网学习的首要任务就是根据训练数据集来找出结构最"恰当"的贝叶斯网
A. GMM
B. Xgboost
C. 聚类
D. 关联规则
解析：Xgboost属于集成学习算法中的Boosting算法类别，
A. join
B. concat
C. split
D. unstack
A. CPU
B. GPU
C. FPGA
D. 5G通讯
A. 示波器
B. 心电图及脑动电图扫描器对脑电波的测量
C. 过去数月的总销售额
D. 公司每年的红利
A. 平方损失函数
B. softmax函数
C. max函数
D. 交叉熵损失函数
解析：见算法解析
A. 主成分分析PCA
B. 数据采样
C. 正则化
D. 最小二乘法
A. 数字化
B. 量化
C. 去噪声
D. 清洗
解析：图像数字化分为两个步骤：一为取样，二为量化。
A. 自然语言理解
B. 自然语言处理
C. 自然语言输入
D. 自然语言生成
