A、解释学习需要环境提供一组示例，而示例学习只要环境提供一个示例。$;$机械式学习是没有推理能力的$;$符号学习对模拟人类较低级的神经活动是比较有效的$;$观察与发现学习是基于归纳推理的
答案：BD
A、解释学习需要环境提供一组示例，而示例学习只要环境提供一个示例。$;$机械式学习是没有推理能力的$;$符号学习对模拟人类较低级的神经活动是比较有效的$;$观察与发现学习是基于归纳推理的
答案：BD
A. 多分枝结构$;$残差连接$;$Batch Normalization$;$Sigmoid激活函数
A. 线性变换$;$非线性变换$;$求函数最小值$;$加速训练
A. 可理解性可记忆性可体验性$;$可接受性可记忆性可体验性$;$可接受性可记忆性可呈现性$;$可理解性可记忆性可呈线性
A. 频繁项挖掘$;$股价预测$;$图像分类$;$文本情感分析
A. 假设与推理学习$;$概念与分类学习$;$人工智能$;$规则推理
A. 若λ=0，则等价于一般的线性回归$;$若λ=0，则不等价于一般的线性回归$;$若λ=+∞，则得到的权重系数很小，接近于零$;$若λ=+∞，则得到的权重系数很大，接近与无穷大
A. 最小二乘法是通过最小化预测值y和真实的y在训练数据上的误差来寻找最优解的方法$;$当自变量X的特征很多的时候，使用最小二乘法可以求得最优解$;$最小二乘法是通过求导来找出最优解，是一种迭代的方法$;$使用最小二乘法求最优解比梯度下降方法好
A. 自然演绎推理$;$归结演绎推理$;$不确定与非单调推理$;$与、或形演绎推理
