答案：B
A. 标量
B. 向量
C. 结构体
D. 有向图
解析：自然语言中的词语需要转化为计算机可以记录处理的数据结构，通常会把自然语言中的词语转化为向量。
A. 深度学习理论迎来整合与突破
B. 机器学习向集中式隐私保护方向演进
C. 类脑计算系统从“专用”向“通用”逐步演进
D. 基于因果学习的信息检索模型与系统成为重要发展方向
解析：主要应用
A. 感知
B. 初始状态
C. 动作
D. 环境
A. 某点处的梯度方向就是该点处函数值增长最快的方向
B. 标量场的梯度也是标量场
C. 某点处的梯度方向就是过该点的等值面的法向矢量
D. 某点处的梯度大小是指标量函数u在该点处的最大变化率
解析：标量场的梯度是矢量场
A. NLU(自然语言理解)
B. NLP(自然语言处理)
C. DM(中控平台)
D. NLG(自然语言生成)
解析：NLU是NLP的子集，并不等价
A. 神经网络会收敛
B. 不好说
C. 都不对
D. 神经网络不会收敛
A. 稀疏数据
B. 稀疏系数
C. 稀疏标签
A. paddle.vision.datasets.MNIST
B. paddle.optimizer.SGD
C. paddle.nn.Linear
D. paddle.nn.functional.Linear
解析：见算法解析
