A、手工
B、智能
C、自动
D、动态
答案：B
解析：主要应用
A、手工
B、智能
C、自动
D、动态
答案：B
解析：主要应用
A. 函数映射
B. one hot encoding
C. word2vec
D. 塌缩式映射
A. 池化层主要用于降低特征图的分辨率
$;$通常在卷积层之后会增加池化层，有时卷积层后面也可能不跟池化层
C.深度卷积网络中，卷积层是必须的，但是全连接层可有可无
D.非线性激活层可以完成非线性变换
A. 数值计算
B. 自动控制
C. 人工智能
D. 模拟仿真
解析：利用计算机来模拟人类属于人工智能
A. 理论
B. 实践
C. 精神
D. 运用
A. 损失函数是用泰勒展式二项逼近，而GBDT只是一阶导数$;$对树的结构进行了正则化约束，防止模型过度复杂，降低了过拟合的可能性;$节点分裂的方式不同，GBDT是用的基尼系数，XGBoost是经过优化推导后的$;$XGBoost使用网格搜索，只能检测有限个值
解析：XGBoost类似于GBDT的优化版，不论是精度还是效率上都有了提升。与GBDT相比，具体的优点有：
1.损失函数是用泰勒展式二项逼近，而不是像GBDT里的就是一阶导数；
2.对树的结构进行了正则化约束，防止模型过度复杂，降低了过拟合的可能性；
3.节点分裂的方式不同，GBDT是用的基尼系数，XGBoost是经过优化推导后的。
A. 不知道
B. 看情况
C. 是
D. 否
解析：池化算法比如取最大值/取平均值等, 都是输入数据旋转后结果不变, 所以多层叠加后也有这种不变性。
