A、深度置信网络
B、受限玻尔兹曼机
C、卷积神经网络
D、贝叶斯学习
答案：D
A、深度置信网络
B、受限玻尔兹曼机
C、卷积神经网络
D、贝叶斯学习
答案：D
A. 数据挖掘的成功经常依赖于数据挖掘工具的选择
B. 虽然数据可视化具有很明显的吸引力，高维数据上的图形挖掘却不能够很轻易地完成
C. 主成分分析能在不明显丢失信息的情况下降低数据维度
D. 数据挖掘就是从处理过后的数据中进行知识提取
A. 问答（QA）系统的想法是直接从文档、对话、在线搜索和其他地方提取信息，以满足用户的信息需求。QA系统不是让用户阅读整个文档，而是更喜欢简短而简洁的答案。
B. QA系统相对独立很难与其他NLP系统结合使用，现有QA系统只能处理对文本文档的搜索，尚且无法从图片集合中提取信息。
C. 大多数NLP问题都可以被视为一个问题回答问题。范例很简单：我们发出查询指令，机器提供响应。通过阅读文档或一组指令，智能系统应该能够回答各种各样的问题。
D. 强大的深度学习架构（称为动态内存网络（DMN））已针对QA问题进行了专门开发和优化。给定输入序列（知识）和问题的训练集，它可以形成情节记忆，并使用它们来产生相关答案。
解析：删除
A. 模型训练
B. 特征选择
C. 分析定位任务
D. 特征提取
解析：正确
A. 变量
B. 常量
C. 张量数据结构
D. 计算图算法语言
A. 基本事件
B. 样本
C. 全部事件
D. 样本空间
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
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. 自然语言系统
B. 机器学习
C. 专家系统
D. 人类感官模拟
解析：自然语言系统是对自然语言进行处理和理解的系统。自然语言信息系统的主要功能是机器对人们输入的自然语言进行处理和理解，并返回响应的结果。机器翻译属于自然语言系统，答案选A
