答案:B
答案:B
A. 卷积神经网络
B. 递归神经网络
C. 残差网络
D. xgboost 算法
解析:XGBoost是针对分类或回归问题的boosting算法的一种实现方式,并不是神经网络的代表。
解析:RNN 有短期记忆问题,无法处理很长的输入序列,训练 RNN 需要投入极大的成本
A. 可视化
B. AR/VR
C. 数字孪生
D. 区块链
解析:”元宇宙主要有以下几项核心技术:
一是扩展现实技术,包括VR和AR。。
二是数字孪生,能够把现实世界镜像到虚拟世界里面去。
三是用区块链来搭建经济体系。
A. 它能根据已有的数据进行改变
B. 它能在估计过程中引入正则项
C. 贝叶斯回归的推断速度快
A. 颜色特征
B. 纹理特征
C. 形状特征
D. 空间关系特征
A. 因在低维情形下出现的数据样本稀疏、 距离计算困难等问题,给机器学习方法造成的障碍。
B. 因在高维情形下出现的数据样本稀疏、 距离计算困难等问题,给机器学习方法造成的障碍。
C. 因在低维情形下出现的数据样本密集、 距离计算困难等问题,给机器学习方法造成的障碍。
D. 因在高维情形下出现的数据样本密集、 距离计算困难等问题,给机器学习方法造成的障碍。
A. c=dict(zip(b,a))
B. c=dict(zip(a,b))
C. c=dict(list(a,b))
D. c=dict(list(b,a))
解析:见函数库
A. 软间隔
B. 硬间隔
C. 核函数
D. 以上选项均不正确
解析:对于线性可分的数据,支持向量机的解决方式是硬间隔
A. paddle.nn.functional.mse_loss
B. paddle.nn.functional.softmax_with_cross_entropy
C. paddle.nn.CrossEntropyLoss
D. paddle.nn.functional.cross_entropy
解析:paddle.nn.functional.softmax_with_cross_entropy,paddle.nn.CrossEntropyLoss,paddle.nn.functional.cross_entropy均可用于多分类问题