答案：B
答案：B
A. 算法、数据结构和程序设计方法学
B. 数据、算法和数据结构
C. 输入、操作处理和输出
D. 数据、数据结构和处理
A. 对某个输入从输入层沿网络传播到输出层
B. 从输出层开始从后向前计算每个单元的delta
C. 计算该输入对每个权值梯度的贡献
D. 所有输入对梯度的贡献求和得到总梯度，根据学习率来改变原来的权值，完成了权值的一次修改
A. VGG全部使用了3*3的卷积核和2*2的池化核
B. VGG证明了网络越深越好，所以程序员应该没有限制的搭建更深的网络
C. VGG是到目前为止分类效果最好的网络结构
D. VGG没有使用全连接网络结构
解析：VGG全部使用了3*3的卷积核和2*2的池化核
解析：处理大文件一定要注意内存管理
A. 给数据打标签
B. 将数据按类别聚合
C. 使智能体获得最大奖赏
D. 实现特定目标
解析：强化学习（Reinforcement Learning, RL）是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题
A. 频率派概率
B. 古典概率
C. 贝叶斯概率
D. 条件概率
解析：参考《深度学习》P49
A. 随机误差项是一个期望值为0的随机变量
B. 对于解释变量的所有观测值，随机误差项有相同的方差
C. 随机误差项彼此相关
D. 解释变量是确定性变量不是随机变量，与随机误差项之间相互独立
解析：对于随机误差项，要求服从正态分布，不要求彼此相关
A. 关键结构
B. 信息字段
C. 标签
A. 标准差
B. 均方差
C. 残差
D. 方差
解析：每一棵决策树拟合的是之前迭代得到的模型的残差
A. LeNet
B. ResNet
C. VGGNet
D. RNN
