A、启发式搜索
B、模糊搜索
C、精确搜索
D、关键词搜索
答案:A
解析:搜索分为盲从搜索与启发式搜索
A、启发式搜索
B、模糊搜索
C、精确搜索
D、关键词搜索
答案:A
解析:搜索分为盲从搜索与启发式搜索
A. 独立性
B. 一致性
C. 有效性
D. 相关性
A. 随机森林只能用于解决分类问题
B. 集成学习通过构建多个模型,并将各个模型的结果使用求平均数的方法集成起来,作为最终的预测结果,提高分类问题的准确率
C. 随机森林由随机数量的决策树组成
D. 随机森林的弱分类器(基分类器)的特征选择不是随机的
A. 二分法
B. 最小二乘法
C. 均值法
D. 投票法
解析:见算法解析
A. 循环神经网络RNN
B. LeNet-5网络
C. 长短期记忆网络LSTM
D. 门控循环单元GRU
解析:见算法解析
A. 分而治之
B. 合而治之
C. 自下而上
D. 自上而下
A. 极大似然估计先假定其具有某种确定的概率分布形式;
B. 极大似然估计没有确定的概率分布形式;
C. 概率模型的训练过程就是参数估计;
D. 贝叶斯学派认为参数本身也有分布,是未观察的随机变量;
解析:数学基础
A. K近邻算法
B. 随机森林
C. 神经网络
D. 都不属于
解析:神经网络会将数据转化为更适合解决目标问题的形式,我们把这种过程叫做特征学习。
A. 符号主义
B. 机会主义
C. 行为主义
D. 连接主义
解析:机会主义不属于人工智能的学派
A. 与同一时期其他数据对比
B. 可视化
C. 基于模板的方法
D. 主观兴趣度量
A. 单隐层前馈神经网络;
B. 隐层神经元激活函数为径向基函数;
C. 输出层是对隐层神经元输出的非线性组合;
D. 可利用BP算法来进行参数优化;
解析:见算法解析