CRF模型对于HMM和MEMM模型的优势包括以下哪些？
A. 特征灵活
B. 速度快
C. 可容纳较多上下文信息
D. 全局最优
解析：最大熵隐马模型则解决了隐马的问题，可以任意选择特征，但由于其在每一节点都要进行归一化，所以只能找到局部的最优值，同时也带来了标记偏见的问题，即凡是训练语料中未出现的情况全都忽略掉。条件随机场则很好的解决了这一问题，他并不在每一个节点进行归一化，而是所有特征进行全局归一化，因此可以求得全局的最优值。
https://www.shititong.cn/cha-kan/shiti/0005e9f2-4769-3560-c07f-52a228da6001.html
点击查看答案
以下关于人工智能系统架构的表述，不正确的是
A. 人工智能分为应用层、技术层、基础层
B. 数据处理一般都是在应用层完成
C. 应用层聚焦人工智能技术和各个领域的结合
D. 基础层提供计算能力和数据资源
https://www.shititong.cn/cha-kan/shiti/0005e9e7-291f-bfa8-c07f-52a228da601b.html
点击查看答案
numpy.arange(0,4)的结果为（ ）
A. array([0, 1, 2, 3])
B. array[0, 1, 2, 3]
C. [0, 1, 2, 3]
D. array([0, 1, 2, 3, 4])
https://www.shititong.cn/cha-kan/shiti/0005e9f0-78bb-6090-c07f-52a228da601a.html
点击查看答案
如果矩阵A的形状是m×n，矩阵B的形状是n×p，已知C=AB，则矩阵C的形状是（）。
A. p×m
B. m×p
C. m×n
D. n×p
解析：参考《深度学习》P30
https://www.shititong.cn/cha-kan/shiti/0005e9f1-2242-5178-c07f-52a228da6009.html
点击查看答案
数据归一化是非常重要的预处理步骤，用于重新缩放输入的数值以适应特定的范围，从而确保在反向传播期间更好地收敛。
解析：正确
https://www.shititong.cn/cha-kan/shiti/0005e9f2-4769-48e8-c07f-52a228da6016.html
点击查看答案
GoogLeNet从角度改进了之前的图像分类网络？
A. 增加网络宽度
B. 轻量化网络模型
C. 改善网络退化现象
D. 增加网络深度
解析：GoogLeNet从增加网络宽度角度改进了之前的图像分类网络
https://www.shititong.cn/cha-kan/shiti/0005e9f2-4769-1238-c07f-52a228da6005.html
点击查看答案
若按照一定的顺序依次访问树中的每一个结点，而且每个结点只被访问一次，则称这样的操作为（ ）
https://www.shititong.cn/cha-kan/shiti/0005e9f0-78bb-7418-c07f-52a228da6007.html
点击查看答案
CNN网络模型中LeNet-5、AlexNet、ResNet、VGG，最早用于手写数字识别的是VGG
解析：CNN网络模型中LeNet-5、AlexNet、ResNet、VGG，最早用于手写数字识别的是LeNet
https://www.shititong.cn/cha-kan/shiti/0005e9f2-4769-54a0-c07f-52a228da6006.html
点击查看答案
（）预测是正类的样本中，真正为正类的样本所占预测是正类的样本的比例；（）在真实的正类的样本中，被预测出是正类的样本所占的比例。
A. 召回率；准确率
B. 召回率；召回率
C. 准确率；准确率
D. 准确率；召回率
https://www.shititong.cn/cha-kan/shiti/0005e9e7-291f-bbc0-c07f-52a228da600c.html
点击查看答案
根据机器智能水平由低到高，正确的是（）
A.
计算智能、感知智能、认知智能
B. 计算智能、感应智能、认知智能
C. 机器智能、感知智能、认知智能
D. 机器智能、感应智能、认知智能
解析：机器智能水平由低到高依次是：计算智能、感知智能、认知智能
https://www.shititong.cn/cha-kan/shiti/0005e9e7-291f-9c80-c07f-52a228da6003.html
点击查看答案
