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