A、符号主义学派
B、连接主义学派
C、统计主义学派
D、行为主义学派
答案：ABD
解析：人工智能主要分三大学派，分别是符号主义学派、连接主义学派和行为主义学派
A、符号主义学派
B、连接主义学派
C、统计主义学派
D、行为主义学派
答案：ABD
解析：人工智能主要分三大学派，分别是符号主义学派、连接主义学派和行为主义学派
A. 一种竞争学习型的无监督神经网络；
B. 将高维输入数据映射到低维空间，保持输入数据在高维空间的拓扑结构；
C. SMO寻优目标为每个输出神经元找到合适的权重；
D. 输出层神经元以矩阵方式排列在二维空间；
解析：见算法解析
A. CV
B. NLP
C. RS
D. CS
解析：高速上的ETC属于下列那种技术CV。
A. 随机分布
B. 随机傅里叶特征
C. 采样
D. 低秩逼近
解析：见算法解析
A. 能提升机器学习算法的稳定性和准确性，但难以避免overfitting
B. Bagging（装袋法）是一个统计重采样的技术,它的基础是Bootstrap
C. 主要通过有放回抽样）来生成多个版本的预测分类器,然后把这些分类器进行组合
D. 进行重复的随机采样所获得的样本可以得到没有或者含有较少的噪声数据
A. 决策树
B. 神经网络
C. 贝叶斯决策论
D. 支持向量机
A. 软间隔
B. 硬间隔
C. 核函数
D. 以上选项均不正确
解析：对于线性不可分的数据，支持向量机的解决方式是核函数
A. 一元一次
B. 线性
C. 二元一次
D. 多元
A. 图像风格迁移
B. 图像分割
C. 人脸识别
D. 房价预测
解析：主要应用
A. 避免单学习器可能因误选而导致泛化性能不佳
B. 降低陷入局部极小点的风险
C. 假设空间扩大，有可能学得更好的近似
D. 多学习器结合有可能冲突
解析：基础知识
A. 除去神经网络中的最后一层，冻结所有层然后重新训练
B. 对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层
C. 使用新的数据集重新训练模型
D. 所有答案均不对
