A、贝叶斯的学习过程为对训练样本计数
B、估计出每个结点的条件概率
C、网络结构为已知
D、评分搜索为求解的常用办法
答案:C
解析:若网络结构己知,即属性间的依赖关系己知,则贝叶斯网的学习过程相对简单,只需通过对训练样本“计数”,估计出每个结点的条件概率表即可,但在现实应用中我们往往并不知晓网络结构,于是,贝叶斯网学习的首要任务就是根据训练数据集来找出结构最"恰当"的贝叶斯网
A、贝叶斯的学习过程为对训练样本计数
B、估计出每个结点的条件概率
C、网络结构为已知
D、评分搜索为求解的常用办法
答案:C
解析:若网络结构己知,即属性间的依赖关系己知,则贝叶斯网的学习过程相对简单,只需通过对训练样本“计数”,估计出每个结点的条件概率表即可,但在现实应用中我们往往并不知晓网络结构,于是,贝叶斯网学习的首要任务就是根据训练数据集来找出结构最"恰当"的贝叶斯网
解析:one-hot无法表示语义的相近性
解析:正确
A. 图像变换
B. 图像增强
C. 图像分割
D. 图像复原
解析:数字图像处理中的( )技术可应用于机动车车牌识别系统。
A. 关联规则发现
B. 聚类
C. 分类
D. 自然语言处理
A. 分布范围广--->较小的卷积核,大的感受野
B. 分布范围小--->较小的卷积核,小的感受野
C. 分布范围小--->较大的卷积核,小的感受野
D. 分布范围大--->较小的卷积核,小的感受野
解析:分布范围小--->较小的卷积核,小的感受野
A. 执行器
B. 评价器
C. 泛化器
D. 实验生成器
解析:正确
A. 分类
B. 检测
C. 识别
D. 跟踪
解析:主要应用