A、紧接于量词之后被量词作用的谓词公式称为该量词的辖域
B、在一个量词的辖域中与该量词的指导变元相同的变元称为约束变元
C、仅个体变元被量化的谓词成为一阶谓词
D、个体变元、函数符号和谓词符号都被量化的谓词成为二阶谓词
答案：ABCD
A、紧接于量词之后被量词作用的谓词公式称为该量词的辖域
B、在一个量词的辖域中与该量词的指导变元相同的变元称为约束变元
C、仅个体变元被量化的谓词成为一阶谓词
D、个体变元、函数符号和谓词符号都被量化的谓词成为二阶谓词
答案：ABCD
A. PCA
B. LSA
C. LDA
D. k-means
解析：k-means只能解决聚类问题
A. LSTM是简化版的RNN
B. LSTM是双向的RNN
C. LSTM是多层的RNN
D. LSTM是RNN的扩展,通过特殊的结构设计来避免长期依赖问题
解析：LSTM是RNN的扩展,通过特殊的结构设计来避免长期依赖问题
A. Jaccard系数
B. FM指数
C. DB指数
D. Dunn指数
解析：见算法解析
解析：物联网采集到各类信息后，需要通过各类可能的网络接入，实现物与物、物与人的泛在连接
A. 逻辑斯特回归（LR)，以及随机梯度下降(SGD)
B. 线性回归及批量梯度下降(BGD)
C. 神经网络及批量梯度下降(BGD)
D. 针对单条样本进行训练的在线学习
A. 置信区间
B. 置信水平
C. 置信概率
D. 临界值
A. 基本假设包括随机干扰项是均值为0,方差为1的标准正态分布
B. 基本假设包括随机干扰项是均值为0的同方差正态分布
C. 多重共线性会使得参数估计值方差减小
D. 基本假设包括不服从正态分布的随机干扰项
解析：线性回归基本假设包括随机干扰项是均值为0的同方差正态分布
A. 多角度
B. 多视图
C. 多环境
D. 多版本
解析：见算法解析
A. 神经网络很快收敛
B. 神经网络精度提升
C. 神经网络难于收敛
D. 神经网络精度降低
