A、[1,6,9]
B、[1,12,27]
C、[1,8,27]
D、(1,6,9)
答案:C
A、[1,6,9]
B、[1,12,27]
C、[1,8,27]
D、(1,6,9)
答案:C
A. 局部最优解
B. 全局最优解
C. 鞍点
D. 转折点
A. 《人工智能原则》
B. 《人工智能伦理规范》
C. 《人工智能伦理指南》
D. 《人工智能伦理问题建议书》
解析:P21
A. 计算智能、感知智能、认知智能
B. 感知智能、认知智能、计算智能
C. 计算智能、认知智能、感知智能
D. 认知智能、计算智能、感知智能
解析:计算智能,通常指基于清晰规则的数值运算,比如数值加减、微积分、矩阵分解等。感知智能,其核心在于模拟人的视觉、听觉和触觉等感知能力。认知智能,则具有人类思维理解、知识共享、行动协同或博弈等核心特征。计算智能、感知智能、认知智能,由低到高。答案选A
A. HopField网络
B. AlexNet
C. ResNet
D. VGG
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. reshape
B. reval
C. arange
D. random
A. 洞见与行动
B. 实施指南
C. 桌面应用
D. 预料库
A. 逆强化学习
B. 时序差分学习
C. 蒙特卡罗强化学习
D. 模仿学习
解析:在现实的强化学习任务中,环境的转移概率、奖赏函数往往很难得知,甚至很难知道环境中一共有多少状态,若学习算法不依赖于环境建模,则称为“免模型学习”,包括蒙特卡罗强化学习和时序差分学习
A. 100
B. 200
C. 400
D. 800
解析:见算法解析