答案：B
A. 贝叶斯模型
B. 拉普拉模型
C. 隐狄利克雷模型
D. 马尔可夫模型
解析：数学基础
A. 基本假设包括随机干扰项是均值为0,方差为1的标准正态分布
B. 基本假设包括随机干扰项是均值为0的同方差正态分布
C. 多重共线性会使得参数估计值方差减小
D. 基本假设包括不服从正态分布的随机干扰项
解析：线性回归的基本假设是随机干扰项是均值为0的同方差正态分布
A. A创造性地做事（CreativeWorking）
B. 仔细地总结（CarefulConclusion）
C. 批判性地思考（CriticalThinking）
D. 好奇性地提出问题（CuriousAsking）
A. 梯度大小
B. 梯度方向
C. 学习率
D. 使用样本数
A. 仅探索
B. 仅利用
C. 全探索
D. 全利用
解析：见算法解析
A. 神经计算
B. 进化计算
C. 模糊计算
D. 数字计算
A. 增加样本数量
B. 增加特征数量
C. 训练更多的迭代次数
D. 采用正则化方法
A. 计算机视觉
B. 自然语言处理
C. 智能语音
D. 知识图谱
解析：主要应用
