A、聚合$;$离散$;$相关性分析$;$聚类
答案:D
A、聚合$;$离散$;$相关性分析$;$聚类
答案:D
A. 网络结构过于复杂$;$DNN根本不能处理图像问题$;$内存、计算量巨大、训练困难$;$神经元数量下降,所以精度下降
A. K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象$;$K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念$;$K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇$;$K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇
A. 真$;$假
A. 属于结构自适应网络,网络结构也是其优化目标;$;$主要成分为级联、相关、归约;$;$无需设置网络层数、隐层神经元数目;$;$训练速度快,但数据较小时容易陷入过拟合;
A. 0$;$1$;$2$;$3
A. 智能语音$;$自然语言处理$;$类脑智能计算$;$人机混合智能
A. 线段$;$平面$;$点$;$线
A. 竞争学习型$;$增量学习型$;$在线学习型$;$匹配学习型