A、Action
B、Attention
C、Transformation
D、Information
答案:B
解析:Transformer中抛弃了传统的CNN和RNN,整个网络结构完全是由Attention机制组成。
A、Action
B、Attention
C、Transformation
D、Information
答案:B
解析:Transformer中抛弃了传统的CNN和RNN,整个网络结构完全是由Attention机制组成。
解析:错误
A. 可以使用字典对象的 items()方法可以返回字典的“键-值对
B. 可以使用 has_key()方法来检验一个键值对是否存在
C. 可以使用字典对象的 keys()方法可以返回字典的“键
D. 可以使用字典对象的 values ()方法可以返回字典的“值”
解析:见函数库
A. K-Means
B. DBSCAN
C. GMMs
D. Softmax
解析:Softmax不是常用的聚类算法。
A. 训练时间较长
B. 完全不能训练,训练时由于权值调整过大使得激活函数达到饱和
C. 易陷入局部极小值
D. 训练过程中,学习新样本时有一网旧样本的趋势
解析:学习速度慢,失败的可能性较大是主要不足之处
A. SOM网络
B. RBF网络
C. ART网络
D. ELman网络
A. 假设与推理学习
B. 概念与分类学习
C. 人工智能
D. 规则推理
A. 增加训练集量
B. 减少神经网络隐藏层节点数
C. 删除稀疏的特征
D. SVM算法中使用高斯核/RBF核代替线性核
解析:在其他条件不变的前提下,以下做法容易引起机器学习中的“过拟合”问题的是SVM算法中使用高斯核/RBF核代替线性核。
A. 线性回归
B. 逻辑回归
C. 神经网络
D. 随机森林
解析:逻辑回归无法解决回归问题
A. 在某一个特定领域应用的人工智能。
B. 不是真正在这次人工智能浪潮中起到影响的主角。
C. 充分利用已掌握的技能来解决新问题、达到甚至超过人类智慧的人工智能。
D. 是众多科幻作品中颠覆人类社会的人工智能形象。
解析:下列说法中对专用人工智能理解正确的是在某一个特定领域应用的人工智能。。
A. 0.05
B. 0.1
C. 0.15
D. 0.2