目标检测存在的挑战有（）
解析：见算法解析
https://www.shititong.cn/cha-kan/shiti/0005e9f2-4769-4500-c07f-52a228da6008.html
点击查看答案
（）的神经形态芯片已经可以搭建较大规模的类脑计算系统，为类脑计算模型提供快速运行平台。
A. 基于脑电波神经网络
B. 基于脉冲神经网络
C. 基于脑回路神经网络
D. 基于类脑神经网络
解析：基于脉冲神经网络的神经形态芯片已经可以搭建较大规模的类脑计算系统，为类脑计算模型提供快速运行平台。
https://www.shititong.cn/cha-kan/shiti/0005e9f0-78bb-5ca8-c07f-52a228da6004.html
点击查看答案
Python不支持的数据类型有（ ）
A. char
B. int
C. float
D. list
解析：本题考查Python数据类型相关的知识点
Python不支持char类型、byte类型。故本题选A选项
https://www.shititong.cn/cha-kan/shiti/0005e9f0-78bb-6478-c07f-52a228da6010.html
点击查看答案
numpy中产生全1的矩阵使用的方法是empty
解析：ones
https://www.shititong.cn/cha-kan/shiti/0005e9f0-78bb-9f10-c07f-52a228da600c.html
点击查看答案
边缘计算是指在靠近物或数据源头的一侧，采用（）为一体的开放平台，就近提供最近端服务。
A. 网络
B. 计算
C. 存储
D. 应用核心能力
https://www.shititong.cn/cha-kan/shiti/0005e9e7-291f-cb60-c07f-52a228da601e.html
点击查看答案
人工智能的一个重要分支是Pattern Recognition，中文名称是模式识别。它主要研究视觉和听觉的识别
https://www.shititong.cn/cha-kan/shiti/0005e9e7-291f-e2d0-c07f-52a228da6007.html
点击查看答案
欲动态地给一个对象添加职责，宜采用（）模式
A. 适配器(Adapter)
B. 桥接(Bridge)
C. 组合(posite)
D. 装饰器(Decorator)
解析：装饰模式定义 装饰模式)- 动态地给一个对象添加一些额外的职责,就增加功能来说,装饰模式相比生成子类更为灵活
https://www.shititong.cn/cha-kan/shiti/0005e9f0-78bb-7fd0-c07f-52a228da6019.html
点击查看答案
表达式 list(range(5)) 的值为________。
A. [0, 1, 2, 3, 4]
B. [1, 2, 3, 4, 5]
C. [0, 1, 2, 3, 4, 5]
D. [1,2,3,4]
https://www.shititong.cn/cha-kan/shiti/0005e9f0-78bb-6860-c07f-52a228da6019.html
点击查看答案
朴素贝叶斯法是典型的判别式学习方法。
https://www.shititong.cn/cha-kan/shiti/0005e9f1-2242-5d30-c07f-52a228da6011.html
点击查看答案
如果在大型数据集上训练决策树。为了花费更少的时间来训练这个模型，下列哪种做法是正确的
A. 增加树的深度
B. 增加学习率
C. 减少树的数量
D. 减小树的深度
解析：一般用决策树进行分类，从根结点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其子结点。这时，每一个子结点对应着该特征的一个取值。如此递归地对实例进行测试并分类，直至达到叶结点。最后将实例分到叶结点的类中。—— 引自李航 《统计学习方法》
决策树深度越深，在训练集上误差会越小，准确率越高。但是容易造成过拟合，而且增加模型的训练时间。对决策树进行修剪，减小树的深度，能够提高模型的训练速度，有效避免过拟合。
单决策树中，学习率不是一个有效参数。
决策树是单树，随机森林由多个决策树组成。
https://www.shititong.cn/cha-kan/shiti/0005e9e7-291f-9c80-c07f-52a228da601c.html
点击查看答案
