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