在普通的全连接网络或CNN中，每层神经元的信号只能向上一层传播，样本的处理在各个时刻独立，因此又被成为前向神经网络(Feed-forward+Neural+Networks)。

A. SVM$;$随机梯度下降$;$随机失活$;$批标准化

A. 颜色特征$;$纹理特征$;$形状特征$;$空间关系特征

A. 每次选择一个与残差相关性最大的特征$;$是一种包裹式特征选择法$;$基于线性回归平绝对误差最小化$;$是通过对LASSO稍加修改而实现

A. 诊断性分析$;$描述性分析$;$预测性分析$;$规范性分析

A. 从偏差-方差分解的角度看，Boosting主要关注降低偏差$;$从偏差-方差分解的角度看，Bagging主要关注降低方差$;$随机森林简单、容易实现、计算开销小$;$Boosting不能基于泛化性能相当弱的学习器构建出很强的集成

A. FPGA内部有BLOCK RAM存储器$;$使用BLOCK RAM资源需占用额外的逻辑资源，并且速度慢$;$BLOCK RAM由一定数量固定大小的存储块构成的$;$FPGA内部有由LUT配置成的分布式存储器

A. 对
$;$错

A. 欠拟合$;$模型很棒$;$过拟合

A. 标准差$;$极差$;$方差$;$极小值