A、只要一个对称函数所对应的核矩阵半正定，就能称为核函数
B、核函数选择作为支持向量机的最大变数
C、核函数将影响支持向量机的性能
D、核函数是一种降维模型
答案：D
解析：只要一个对称函数所对应的核矩阵半正定，它就能作为核函数使用.事实上，对于一个半正定核矩阵，总能找到一个与之对应的映射，任何一个核函数都隐式地定义了一个称为“再生核希尔伯特空间”的特征空间，我们希望样本在特征空间内线性可分，因此特征空间的好坏对支持向量机的性能至关重要，在不知道特征映射的形
式时，我们并不知道什么样的核函数是合适的，而核函数也仅是隐式地走义了这个特征空间，于是，“核函数选择”成为支持向量机的最大变数
A、只要一个对称函数所对应的核矩阵半正定，就能称为核函数
B、核函数选择作为支持向量机的最大变数
C、核函数将影响支持向量机的性能
D、核函数是一种降维模型
答案：D
解析：只要一个对称函数所对应的核矩阵半正定，它就能作为核函数使用.事实上，对于一个半正定核矩阵，总能找到一个与之对应的映射，任何一个核函数都隐式地定义了一个称为“再生核希尔伯特空间”的特征空间，我们希望样本在特征空间内线性可分，因此特征空间的好坏对支持向量机的性能至关重要，在不知道特征映射的形
式时，我们并不知道什么样的核函数是合适的，而核函数也仅是隐式地走义了这个特征空间，于是，“核函数选择”成为支持向量机的最大变数
A. 总体技术和应用与世界先进水平同步
B. 基础理论实现重大突破
C. 成为世界主要人工智能创新中心
D. 理论、技术与应用总体均达到世界领先水平
A. 手工标注
B. 自动化标注
C. 半自动化标注
D. 半手工标注
解析：本题说法是正确的。
A. b)、c)
B. a)、b)
C. a)
D. a)、c)
解析：SelectiveSearch、Regionproposallayer能产生候选框
A. 基于数据挖掘的专家智能控制
B. 基于遗传算法的软计算控制
C. 基于人工神经网络的神经网络控制
D. 以上说法都不对
解析：基础概念
A. 常数
B. 变量
C. 张量占位符
D. 稀疏张量
A. CNN
B. LSTM
C. GRU
D. RNN
解析：RNN(Recurrent Neural Network)是一类用于处理序列数据的神经网络。 RNN存在一些问题梯度较容易出现衰减或爆炸(BPTT) - 梯度爆炸
A. 深度学习理论迎来整合与突破
B. 机器学习向集中式隐私保护方向演进
C. 类脑计算系统从“专用”向“通用”逐步演进
D. 基于因果学习的信息检索模型与系统成为重要发展方向
解析：主要应用
