A、工业智能体
B、交通智能体
C、园区智能体
D、汽车智能体
答案:ABCD
A、工业智能体
B、交通智能体
C、园区智能体
D、汽车智能体
答案:ABCD
A. 图像识别$;$认知模拟$;$规划问题求解$;$数据挖掘
A. 也称为信念网;
B. 借助有向无环图刻画属性之间的关系;
C. 借助无向无环图刻画属性之间的关系;
D. 用条件概率表来描述属性的联合概率分布;
解析:见算法解析
A. y = tanh(x)
B. y = sin(x)
C. y = max(x,0)
D. y = 2x
A. 函数的递归调用必须有一个明确的结束条件
B. 函数的递归调用每次进入更深一层递归时,问题规模相比上次递归都应有所减少
C. 函数的递归调用效率不高,递归层次过多会导致栈溢出(在计算机中,函数调用是通过栈(stack)这种数据结构实现的,每当进入一个函数调用,栈就会加一层栈帧,每当函数返回,栈就会减一层栈)
D. 函数的递归调用由于栈的大小是无限的,所以,递归调用的次数过多,也不会导致栈溢出
解析:正确
A. JP聚类擅长处理噪声和离群点,并且能够处理不同大小、形状和密度的簇。
B. JP算法对高维数据效果良好,尤其擅长发现强相关对象的紧致簇。
C. JP聚类是基于SNN相似度的概念。
D. JP聚类的基本时间复杂度为O(m)。
A. 让每一层的输入的范围都大致固定
B. 它将权重的归一化平均值和标准差
C. 它是一种非常有效的反向传播(BP)方法
D. 这些均不是
A. 数据优化
B. 数据增强
C. 模型集成
D. 引入参数范数惩罚项
解析:常见的机器学习模型正则化方法包含数据增强、模型集成、引入参数范数惩罚项
A. 提出候选框生成网络,取代了SelectiveSearch
B. 在RPN与最终输出的两个阶段,将分类损失和框回归损失进行联合后对网络进行优化
C. 采用ROIpooling层,加速特征提取过程
D. 将CNN提取到的特征送入SVM进行分类
解析:见算法解析
A. 评估
B. 训练
C. 预测
D. 输出模型