LSTM是一个非常经典的面向序列的模型，可以对自然语言句子或是其他时序信号进行建模，是一种循环神经网络。

A. 鼻子

B. 大脑

C. 小脑

D. 眼睛

A. 任意尺度输入

B. 效率高

C. 没有考虑上下文信息

D. 分割不够精细

A. 平均法

B. 投票法

C. 学习法

A. ［1，8］，［1，4］

B. ［5，4］，［3，4］

C. ［6，8］，［3，4］

D. ［6，8］，［2，4］

A. 颜色特征

B. 纹理特征

C. 形状特征

D. 空间关系特征

A. 熵越大，不确定性越大，信息量也就越大

B. 信息增益越大，表示某个条件熵对信息熵减少程序越大，也就是说，这个属性对于信息的判断起到的作用越大

C. Gini指数越大，不纯度越小，越容易区分，越不容易分错

D. 熵权法是一种客观赋权法，因为它仅依赖于数据本身的离散性

A. 线性存储和数组存储

B. 顺序存储和链式存储

C. 线性存储和树型存储

D. 数组存储和指针存储