A、 boosting方法的主要思想是迭代式学习。
$;$ 训练基分类器时采用并行的方式。
$;$ 测试时，根据各层分类器的结果的加权得到最终结果。
$;$ 基分类器层层叠加，每一层在训练时，对前一层基分类器分错的样本给予更高的权值。
答案：B
A、 boosting方法的主要思想是迭代式学习。
$;$ 训练基分类器时采用并行的方式。
$;$ 测试时，根据各层分类器的结果的加权得到最终结果。
$;$ 基分类器层层叠加，每一层在训练时，对前一层基分类器分错的样本给予更高的权值。
答案：B
A. 用户$;$综合数据库$;$推理机$;$知识库
A. 卷积层后为池化层，然后还是卷积层-池化层。$;$多个连续的池化层，然后跟着一个卷积层$;$网络中最后的几个层是全连接层$;$网络中最开始的几个层是全连接层
A. 数据、算法和模型安全$;$技术和系统安全$;$人身和设备安全$;$安全测试评估
A.
均方根误差接近1最好$;$均方根误差越大越好$;$决定系数越接近1越好$;$决定系数越接近0越好
A. 适应性$;$由简单单元组成$;$广泛并行互连的网络$;$线性特性
A. 随机森林只能用于解决分类问题$;$随机森林由随机数量的决策树组成$;$集成学习通过构建多个模型，并将各个模型的结果使用求平均数的方法集成起来，作为最终的预测结果，提高分类问题的准确率$;$随机森林的弱分类器（基分类器）的特征选择是随机的
A. CornerNet
$;$PANet
$;$FCOS
$;$CenterNet
