A、[[ 1., 2., 1.],[ 4., 5., 4.]]
B、[[ 4., 5., 4.],[ 4., 5., 4.]]
C、以上都不对
D、[[ 4., 5., 4.],[ 1., 2., 1.]]
答案：C
A、[[ 1., 2., 1.],[ 4., 5., 4.]]
B、[[ 4., 5., 4.],[ 4., 5., 4.]]
C、以上都不对
D、[[ 4., 5., 4.],[ 1., 2., 1.]]
答案：C
A. 计算式人工智能
B. 生成式人工智能
C. 分析式人工智能
D. 决策式人工智能
A. 树的数量
B. 树的深度
C. 学习速率
A. 最小二乘法可以求解线性回归问题
B. 梯度下降法可以求解线性回归问题
C. 利用最小二乘法求解线性回归问题可能会出现局部最优解
D. 学习率是梯度下降法的重要参数
解析：线性最小二乘问题通过法方程解出来的一定是全局最优解, 事实上这是二次泛函的优化问题(更一般一点, 这是凸优化), 不会出现多个孤立的局部最优解
解析：应加大学习率
A. 增加网络宽度
B. 轻量化网络模型
C. 改善网络退化现象
D. 增加网络深度
解析：ResNet从改善网络退化现象角度改进了之前的图像分类网络
解析：被誉为国际“人工智能之父”的是图灵。错误
A. 梯度下降法
B. 拟牛顿法
C. 启发式优化方法
D. EM算法
解析：EM算法
A. 设计线性回归
B. 神经网络
C. 聚类分析
D. 矩阵计算
A. [0,1]
B. [-1,1]
C. (-∞~∞)
D. （0,1）
解析：Sigmoid函数将变量映射在0至1之间
