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