A、全连接
B、词嵌入层
C、卷积层
D、以上选项均不正确
答案:C
解析:LSTM中没有卷积层
A、全连接
B、词嵌入层
C、卷积层
D、以上选项均不正确
答案:C
解析:LSTM中没有卷积层
解析:歌研究提出,随着训练数据数量 级的增加,相同机器视觉算法模型的性能呈线性上升。
A. 贝叶斯是概率框架下实施决策的基本方法;
B. 贝叶斯基于概率和误判损失来选择最优的类别标记;
C. 贝叶斯中期望损失定义为风险;
D. 贝叶斯判定准则为最大化总体风险;
解析:数学基础
A. 同一聚类中的对象间相似度高,不同聚类中的对象间相似度高
B. 同一聚类中的对象间相似度高,不同聚类中的对象间相似度低
C. 同一聚类中的对象间相似度低,不同聚类中的对象间相似度低
D. 同一聚类中的对象间相似度低,不同聚类中的对象间相似度高
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
解析:池化是一种down-sampling技术,本质是基于滑动窗口的思想,可以去除特征图中的冗余信息,降低特征图的维度。常用的是最大池化和平均池化
解析:RNN 有短期记忆问题,无法处理很长的输入序列,训练 RNN 需要投入极大的成本
A. LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B. CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C. 只要参数设置合理,深度学习的效果至少应优于随机算法
D. 随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
解析:只要参数设置合理,深度学习的效果至不一定优于随机算法
A. Java
B. 数据处理
C. 科学计算
D. Python
解析:见函数库
A. numpy
B. opencv
C. gensim
D. matplotlib
解析:见算法解析
解析:正确