A、排序
B、查找
C、遍历
D、建立
答案:C
A、排序
B、查找
C、遍历
D、建立
答案:C
A. 向量中的最大值
B. 向量中的最小值
C. 向量中最大幅值元素的绝对值
D. 向量中最小幅值元素的绝对值
解析:参考《深度学习》P35
解析:解析:三个架构组件包括 Docker 客户端、主机和注册表。
Docker 客户端:该组件执行构建和运行操作以与 Docker 主机通信。
Docker 主机:该组件包含 Docker 守护程序、Docker 镜像和 Docker 容器。守护进程建立到 Docker Registry 的连接。
Docker Registry:该组件存储 Docker 镜像。它可以是公共注册表,例如 Docker Hub 或 Docker Cloud,也可以是私有注册表。
A. 存储集合清除
B. 存储整合清除
C. 储蓄集合清洗
D. 存储清洗整合
解析:大数据技术为输入数据在存储清洗整合方面做出了贡献,帮助提升了深度学习算法的性能。
A. 分布式隐私保护
B. 集中式存储
C. 边缘计算
D. 云存储
解析:机器学习在向分布式隐私保护方向演进。
A. 人工神经网络
B. 自动控制
C. 自然语言学习
D. 专家系统
A. 数据库
B. 主机
C. 电源
D. 集群
解析:主要应用
A. 增加网络层数,可能会增加测试集分类错误率
B. 增加网络层数,一定会增加训练集分类错误率
C. 减少网络层数,可能会减少测试集分类错误率
D. 减少网络层数,一定会减少训练集分类错误率
解析:一般来说,神经网络层数越多,模型越复杂,对数据的分类效果越好。所以,从最简单的层数开始,增加网络层数都能使得训练误差和测试误差减小。但是,神经网络层数过多容易造成过拟合,即对训练样本分类效果很好,误差小,但是测试误差很大。
为了避免发生过拟合,应该选择合适的神经网络层数并使用正则化技术来让神经网络更加稳健。
A. 在无监督学习任务中,研究最多、应用最广的是聚类
B. 聚类可作为一个单独过程,用于找寻数据内在的分布结构,但不能作为其他学习任务的前驱过程
C. 聚类分析的目标是组内的对象之间是相似的,不同组中的对象是不同的
D. 组内的相似性越大,组间差别越大,聚类就越好
解析:聚类可作为一个单独过程,用于找寻数据内在的分布结构,可以作为其他学习任务的前驱过程
A. 用户
B. 综合数据库
C. 推理机
D. 知识库
解析:专家系统的组成部分是综合数据库、推理机、知识库