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