A、使用L1可以得到稀疏的权值，使用L2可以得到平滑的权值
B、使用L1可以得到平滑的权值，使用L2可以得到平滑的权值
C、使用L1可以得到平滑的权值，使用L2可以得到稀疏的权值
D、使用L1可以得到稀疏的权值，使用L2可以得到稀疏的权值
答案：A
A、使用L1可以得到稀疏的权值，使用L2可以得到平滑的权值
B、使用L1可以得到平滑的权值，使用L2可以得到平滑的权值
C、使用L1可以得到平滑的权值，使用L2可以得到稀疏的权值
D、使用L1可以得到稀疏的权值，使用L2可以得到稀疏的权值
答案：A
A. 应用层
B. 服务层
C. 能力层
D. 资源层
解析：主要应用
A. p范数
B. 0范数
C. 1范数
D. 2范数
A. 标量
B. 向量
C. 结构体
D. 有向图
解析：自然语言中的词语需要转化为计算机可以记录处理的数据结构，通常会把自然语言中的词语转化为向量。
A. SIFT
B. HOG
C. SVM
D. Adaboost
解析：见算法解析
A. 扩展现实技术
B. 区块链技术
C. 数字孪生技术
D. 云计算
A. 贝叶斯是概率框架下实施决策的基本方法
B. 贝叶斯基于概率和误判损失来选择最优的类别标记
C. 贝叶斯中期望损失定义为风险
D. 贝叶斯判定准则为最大化总体风险
解析：使用贝叶斯判定准则来最小化决策风险
A. 基础理论是神经网络
B. 深度学习属于连接主义
C. 又称为仿生学派
D. 产生在20实际50年代
