A、变形
B、预处理
C、特征提取
D、扭曲
答案：BC
A、变形
B、预处理
C、特征提取
D、扭曲
答案：BC
A. 梯度
B. 维度
C. 纵向
D. 横向
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. 物体检测
B. 图像分割
C. 物体跟踪
D. 行为分析
解析：见算法解析
A. 加大对人工智能关键部件的资金支持
B. 加大对人工智能关键部件的研发力度
C. 引导产业化应用落地
D. 强化产业链协同升级
解析：主要应用
A. 2016
B. 2017
C. 2018
D. 2019
A. Tensorflow
B. Pytorch
C. Caffe2
D. Paddle
解析：见算法解析
解析：对于非监督式学习，仍然可能存在过拟合。一般来说，评估非监督式学习的指标也有很多，例如使用调整兰德指数（Adjusted Rand Score）来评估聚类模型
A. “过去”，回答“已发生什么”
B. “过去”，回答“为什么发生”
C. “模拟与优化”的问题
D. “未来”，回答“将要发生什么”
A. 为了达成涟漪效应，必须尽可能的获取产品中的各种数据；
B. 涟漪效应通过记录产品中生成各类数据，并将这些数据用于优化机器模型；
C. 必须将收集到的原始数据全部进行高成本的精细标注，加入到模型训练中去，才能实现涟漪效应；
D. 搜索引擎中的用户点击记录也是实现涟漪效应的一种方式
解析：涟漪效应是在描述一个事物造成的影响渐渐扩散的情形，类似物体掉到水面上，所产生的涟漪渐渐扩大的情形。在经济学中有涟漪效应的例子，例如一个人支出的减少会造成其他人收入的减少，连带也使得他们可支出的金额减少。涟漪效应也用在计算机科学中，说明由于一个模组修改，造成其他模组也需随之修改的情形。
A. 数据形状变换
B. 模型筛选
C. 数据集划分
D. 数据归一化处理
解析：基础概念
