答案：B
A. CNN$;$RNN$;$GRU$;$LSTM
A. 9$;$10$;$11$;$10000
A. 集成学习一定能提升个体学习器的性能&;&Bagging 方法中，个体学习器之间彼此独立&;&Boosting 是一种重视错误样本的学习方法&;&Boosting 方法中，个体学习器存在强依赖
A. 专家系统 $;$人工神经网络 $;$模式识别 $;$智能代理
A. 可以存储许多相关(激励，响应)模式对$;$以分布、稳健的方式存储信息$;$即使输入激励模式完全失真时，仍然可以产生正确的响应模式$;$可在原存储中加入新的存储模式
A. training set$;$test set$;$validation set$;$verification set
A. 算法适应性强$;$更好的平衡精度$;$可迁移学习$;$数据需求少
A. 多态性$;$至顶向下$;$模块化$;$逐步求精
A. 反向传播算法$;$卷积可视化解释$;$非线性激活函数$;$深度神经网络
