A、若X与Y相互独立，则X与Y不相关
B、若X与Y相关，则X与Y不相互独立
C、若E(XY)
=E(X)E(Y)，则X与Y相互独立
D、若f(x,y)=fX(x)fY(y)，则X与Y不相关
答案：ABD
解析：独立是不相关的充分但不必要条件；E(XY)=E(X)E(Y)只能推出X与Y不相关，即二者没有线性关系（但可能有其他关系），不能代表X与Y相互独立
A、若X与Y相互独立，则X与Y不相关
B、若X与Y相关，则X与Y不相互独立
C、若E(XY)
=E(X)E(Y)，则X与Y相互独立
D、若f(x,y)=fX(x)fY(y)，则X与Y不相关
答案：ABD
解析：独立是不相关的充分但不必要条件；E(XY)=E(X)E(Y)只能推出X与Y不相关，即二者没有线性关系（但可能有其他关系），不能代表X与Y相互独立
A. 朴素贝叶斯
B. 隐马尔科夫模型
C. 线性回归模型
D. 深度信念网络
A. 神经计算
B. 进化计算
C. 模糊计算
D. 数字计算
解析：正确
A. 数据规模大
B. 数据类型多样
C. 数据处理速度快
D. 数据价值密度高
A. 神经网络很快收敛
B. 神经网络精度提升
C. 神经网络难于收敛
D. 神经网络精度降低
A. 常量
B. 变量
C. 张量
D. 占位符
解析：Placeholder的中文意思就是占位符因为每增加一个常量,TensorFlow都会在计算图中增加一个结点,所以说拥有几百万次迭代的神经网络会拥有极其庞大的计算图,而占位符却可以解决这一点,它只会拥有占位符这一个结点
解析：计算机视觉系统，主要解决的是物体识别、物体形状和方位确认以及物体运动判断这三个问题，让机器代替人眼处理问题。
A. 特征选择
B. 决策树生成
C. 剪枝
D. 计算信息增益
解析：决策树构造只有特征选择、决策树生成、剪枝三个环节过程
