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