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
