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