情感计算是在人脸识别的基础上,更加精细地通过脸上的表情和动作来判断人的情绪状态。()
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-f588-c021-5dd340f22437.html
点击查看答案
批规范化(Batch Normalization)的好处都有啥?
A. 让每一层的输入的范围都大致固定
B. 它将权重的归一化平均值和标准差
C. 它是一种非常有效的反向传播(BP)方法
D. 这些均不是
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e8-cb38-c021-5dd340f22411.html
点击查看答案
人工智能因其突出的()等能力,可在网络信息安全领域和社会公共安全领域有许多创新性应用
A. 数据分析
B. 知识提取
C. 自主学习
D. 智能决策
解析:主要应用
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-db28-c021-5dd340f22422.html
点击查看答案
矢量场的旋度是一个标量,是空间坐标点的函数
解析:矢量场的旋度是一个矢量,是空间坐标点的函数
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-d648-c021-5dd340f2241e.html
点击查看答案
关于神经网络,下列说法正确的是
A. 增加网络层数,可能会增加测试集分类错误率
B. 增加网络层数,一定会增加训练集分类错误率
C. 减少网络层数,可能会减少测试集分类错误率
D. 减少网络层数,一定会减少训练集分类错误率
解析:一般来说,神经网络层数越多,模型越复杂,对数据的分类效果越好。所以,从最简单的层数开始,增加网络层数都能使得训练误差和测试误差减小。但是,神经网络层数过多容易造成过拟合,即对训练样本分类效果很好,误差小,但是测试误差很大。
为了避免发生过拟合,应该选择合适的神经网络层数并使用正则化技术来让神经网络更加稳健。
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-2128-c021-5dd340f22421.html
点击查看答案
以下哪项属于决策树分析的步骤()
A. 确定分析维度
B. 跑决策树分析
C. 修剪决策树
D. 收集数据
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-28f8-c021-5dd340f22422.html
点击查看答案
缺失数据的处理主要涉及以下哪三个关键活动。()
A. 缺失数据的识别
B. 缺失数据的分析
C. 删除或插补缺失数据
D. 缺失数据的忽略
https://www.shititong.cn/cha-kan/shiti/0005e5d0-a7e9-2510-c021-5dd340f22415.html
点击查看答案
强化学习主要由智能体(Agent)以及()组成。
A. 环境(Environment)
B. 状态(State)
C. 动作(Action)
D. 奖励(Reward)
解析:见算法解析
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-d740-c021-5dd340f22419.html
点击查看答案
在Python中,令cars=['bmw','audi','toyota','subaru']
运行cars.sort(reverse=True)后,cars的值为();运行sorted(cars,reverse=True)后,cars的值为()
A. ['bmw','audi','toyota','subaru']
B. ['audi', 'bmw', 'subaru', 'toyota']
C. ['toyota','subaru','bmw','audi']
D. ['subaru','toyota','audi','bmw']
解析:见函数库
https://www.shititong.cn/cha-kan/shiti/0005e5d0-af1d-ac48-c021-5dd340f2241b.html
点击查看答案
若神经元的激活函数不是处处可导的, 将无法进行反向传播。
解析:错, ReLU在0处不可导
https://www.shititong.cn/cha-kan/shiti/0005e5d0-b2fe-d648-c021-5dd340f2242c.html
点击查看答案