A、前向神经网络
B、反馈神经网络
C、自组织神经网络
D、生物神经网络
答案:ABC
解析:神经网络可以分为4种类型,前向型、反馈型、随机型、自组织型。
A、前向神经网络
B、反馈神经网络
C、自组织神经网络
D、生物神经网络
答案:ABC
解析:神经网络可以分为4种类型,前向型、反馈型、随机型、自组织型。
A. Softmax
B. ReLu
C. Sigmoid
D. Tanh
A. 标称属性的值是一些符号或事物的名称,每种值代表某种类别、编码或状态。
B. 标称值并不具有有意义的顺序,且不是定量的
C. 对于给定对象集,找出这些属性的均值、中值没有意义。
D. 标称属性通过将数值量的值域划分有限个有序类别,把数值属
性离散化得来。
解析:现在,深度学习虽然超越了机器学习模型的神经科学观点,也可以应用于那些并非受神经科学启发的机器学习框架。
A. 算法中特征子集搜索采用了随机策略
B. 每次特征子集评价都需要训练学习器,开销很大
C. 算法设置了停止条件控制参数
D. 算法可能求不出解
解析:见算法解析
A. K-means
B. SVR
C. DBSCAN
D. 以上都是
解析:最广泛被使用的分类器有人工神经网络、支持向量机、最近邻居法、GuassianMixtureModel、Gaussian、NaiveBayes、决策树和RBFclassifiers。
A. K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象。
B. K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念。
C. K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇。
D. K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇。
A. 智能语音
B. 自然语言处理
C. 模式识别
D. 计算机视觉
解析:主要应用
A. 使用卷积解决了全连接层的不足之处
B. 卷积和池化层组合使用,逐层级的提取图像特征
C. 在网络的最后使用全两层连接作为输出
D. 在网络的最后使用全两层连接作为输入
解析:见算法解析
解析:错误