A、贝叶斯的学习过程为对训练样本计数;
B、估计出每个结点的条件概率;
C、网络结构为已知;
D、评分搜索为求解的常用办法;
答案:C
解析:见算法解析
A、贝叶斯的学习过程为对训练样本计数;
B、估计出每个结点的条件概率;
C、网络结构为已知;
D、评分搜索为求解的常用办法;
答案:C
解析:见算法解析
A. 各基分类器之间有较强依赖,不可以进行并行训练。
B. 最著名的算法之一是基于决策树基分类器的随机森林。
C. 当训练样本数量较少时,子集之间可能有重叠。
D. 为了让基分类器之间互相独立,需要将训练集分为若干子集。
A. 算法适应性强
B. 更好的平衡精度
C. 可迁移学习
D. 数据需求少
解析:见算法解析
A. 独立性
B. 一致性
C. 有效性
D. 相关性
A. 人工智能地近期进展主要集中在专用智能领域
B. 专用人工智能形成了人工智能领域地单点突破,在局部智能水平地单项测试中可以超越人类智能
C. 通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题
D. 真正意义上完备地人工智能系统应该是一个专用地智能系统
A. 卷积核数量越多特征图通道数越少
B. 卷积核size越大特征图通道数越多
C. 卷积核数量越多特征图通道数越多
D. 二者没有关系
解析:卷积核数量越多特征图通道数越多
A. 准确性
B. 不确定性
C. 可信赖度
D. 杂乱性
A. 一个C源程序可由一个或多个函数组成
B. 一个C源程序必须包含一个main()函数
C. C源程序的基本组成单位是函数
D. 在C源程序中,注释说明只能位于一条语句的最后
A. 平方损失函数
B. 交叉熵损失函数
C. 原型损失函数
D. 累加合损失函数
解析:见算法解析
A. GNU'sNot%d%%' % 'UNIX'
B. 'GNU\'sNot%d%%' % 'UNIX'
C. 'GNU'sNot%s%%' % 'UNIX'
D. 'GNU\'sNot%s%%' % 'UNIX'