下面对前馈神经网络这种深度学习方法描述不正确的是

A. JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇。

B. JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇。

C. JP聚类是基于SNN相似度的概念。

D. JP聚类的基本时间复杂度为O(m)。

A. 图像变换

B. 图像增强

C. 图像分割

D. 图像复原

A. 从偏差-方差分解的角度看，Boosting主要关注降低偏差

B. 从偏差-方差分解的角度看，Bagging主要关注降低方差

C. 随机森林简单、容易实现、计算开销小

D. Boosting不能基于泛化性能相当弱的学习器构建出很强的集成

A. 个体学习器的数量

B. 个体学习器的生成方式

C. 个体学习器的的类型

D. 个体学习器的的强弱

A. 池化操作采用扫描窗口实现

B. 池化层可以起到降维的作用

C. 常用的池化方法有最大池化和平均池化

D. 经过池化的特征图像变小了

A. K 值越大，模型越容易过拟合$;$K 值越大，分类的分割面越平滑$;$K 值是超参数$；$可以将 k 值设为 0

A. 二分法

B. 最小二乘法

C. 均值法

D. 投票法

A. 序列相关问题

B. 图像分类

C. 图像检测

D. 推荐问题

A. 专家系统

B. 人工神经网络

C. 模式识别

D. 智能代理