A、dict1={{'apple'},5}
B、dict2={'apple': (1,2,3)}
C、dict3={[1,2,3],'apple'}
D、dict4={(1,2,3),'apple'}
答案:AC
解析:见函数库
A、dict1={{'apple'},5}
B、dict2={'apple': (1,2,3)}
C、dict3={[1,2,3],'apple'}
D、dict4={(1,2,3),'apple'}
答案:AC
解析:见函数库
A. 1.2.3.4
B. 1.3.4.6
C. 1.2.3.4.5.6
D. 3.4.6
解析:DSSM经典模型的优点;1.解决了字典爆炸问题,降低了计算复杂度;2.中文方面使用字作为最细切分粒度,可以复用每个字表达的词义,减少分词的依赖,从而提高模型的泛化能力;3.字母的n-gram可以更好的处理新词,具有较强的鲁棒性;4.使用有监督的方法,优化语义embedding的映射问题;5.省去了人工特征工程;6.采用有监督训练,精度较高。
A. 解决了字典爆炸问题,降低了计算复杂度
B. 省去了人工特征工程
C. 采用有监督训练,精度较高
D. 效果不可控
解析:见算法解析
A. 全连接层
B. 输入层
C. 池化层
D. 卷积层
解析:vgg19是常用的卷积神经网络之一,包括16层卷积层和3层全连接层,中间用到池化层
A. 对样本进行抽样,在经过抽样的样本上训练
B. 应用PCA算法降维,减少特征数量
C. 根据重要性对特征进行筛选
D. 以上所有
A. 无监督学习
B. 多媒体学习
C. 有监督学习
D. 强化学习
解析:人工智能发展阶段中技术驱动阶段包括基本算法和算法语言程序。
A. 结构化数据
B. 半结构化数据
C. 非结构化数据
D. 大数据