A、停用
B、新增
C、变更
D、停用和退出
答案:D
A、停用
B、新增
C、变更
D、停用和退出
答案:D
A. 防止模型欠拟合而加在损失函数后面的一项
B. L1范数符合拉普拉斯分布,是完全可微的
C. L1正则化项是模型各个参数的平方和的开方值
D. L1正则化可以产生稀疏权值矩阵,即产生一个稀疏模型,可以用于特征选择
解析:A、防止模型过拟合而加在损失函数后面的一项;B、L1范数符合拉普拉斯分布,是不完全可微的;C、L2正则化项是模型各个参数的平方和的开方值。
解析:集合的元素不可以重复
A. 可以存储许多相关(激励,响应)模式对
B. 以分布、稳健的方式存储信息
C. 即使输入激励模式完全失真时,仍然可以产生正确的响应模式
D. 可在原存储中加入新的存储模式
解析:见算法解析
A. 《国家人工智能研究和发展战略计划》
B. 《为人工智能的未来做好准备》
C. 《新一代人工智能发展规划》
D. 《“互联网+”人工智能三年行动实施方案》
A. 有师学习
B. 无师学习
C. 强化学习
D. 都不是
A. 语音识别
B. 机器翻译
C. 语音合成
D. 语言分析
A. 贝叶斯网
B. 拉普拉斯网
C. 帕斯卡网
D. 塞缪尔网
解析:见算法解析
A. 95
B. 96
C. 97
D. 98
解析:首先我们应该知道卷积或者池化后大小的计算公式,其中,padding指的是向外扩展的边缘大小,而stride则是步长,即每次移动的长度。
这样一来就容易多了,首先长宽一般大,所以我们只需要计算一个维度即可,这样,经过第一次卷积后的大小为: 本题 (200-5+2*1)/2+1 为99.5,取99
经过第一次池化后的大小为: (99-3)/1+1 为97
经过第二次卷积后的大小为: (97-3+2*1)/1+1 为97