A、网络结构过于复杂
B、DNN根本不能处理图像问题
C、内存、计算量巨大、训练困难
D、神经元数量下降，所以精度下降
答案：C
解析：“维数灾难”会带来内存、计算量巨大、训练困难等问题。
A、网络结构过于复杂
B、DNN根本不能处理图像问题
C、内存、计算量巨大、训练困难
D、神经元数量下降，所以精度下降
答案：C
解析：“维数灾难”会带来内存、计算量巨大、训练困难等问题。
A. -(3/5 log(3/5) + 2/5 log(2/5))
B. 3/5 log(3/5) + 2/5 log(2/5)
C. 2/5 log(3/5) + 3/5 log(2/5)
D. 3/5 log(2/5) – 2/5 log(3/5)
解析：H(X) = -sum(p(xi) * log(p(xi))) (i = 1, 2, 3, … , n)
A. LeNet
B. AlexNet
C. LSTM
D. RNN
解析：AlexNet使用了8层卷积神经网络，2012年以很大的优势赢得了ImageNet图像识别挑战赛。
A. 技术驱动
B. 数据驱动
C. 算法驱动
D. 设备驱动
A. 根据用户的购买记录记忆用户的偏好
B. 根据浏览时间判断商品对用户的吸引力
C. 推荐用户消费过的相关产品
D. 根据用户的喜好进行相关推荐
A. 1956
B. 1960年
C. 1965年
D. 1980年
解析：1956年正式提出人工智能（artificial intelligence， AI）这个术语并把它作为一门新兴科学的名称。
A. 关键特征
B. 冗余特征
C. 相关特征
D. 无关特征
解析：见算法解析
A. 经过池化的特征图像变小了
B. 池化操作采用扫描窗口实现
C. 池化层可以起到降维的作用
D. 常用的池化方法有最大池化和平均池化
A. 分类
B. 聚类
C. 关联分析
D. 隐马尔可夫链
