A、从文本中提取特征
B、测量特征相似度
C、为学习模型的向量空间编程特征
D、以上都是
答案：D
A、从文本中提取特征
B、测量特征相似度
C、为学习模型的向量空间编程特征
D、以上都是
答案：D
A. SVM
B. 随机梯度下降
C. 随机失活
D. 批标准化
解析：主要应用
解析：广度优先搜索算法中，OPEN 表的数据结构实际是一个 二叉树，深度优先搜索算法中，OPEN 18.产生式系统有三部分组成 综合数据库，知识库和推理机。
A. 不存在这样的二叉树
B. 200
C. 198
D. 199
解析：根据二叉树的性质，在任意一棵二叉树中，度为0的结点总是比度为2的结点多一个，则度为0的结点数为199+1=200。
A. 特征灵活
B. 速度快
C. 可容纳较多上下文信息
D. 全局最优
解析：最大熵隐马模型则解决了隐马的问题，可以任意选择特征，但由于其在每一节点都要进行归一化，所以只能找到局部的最优值，同时也带来了标记偏见的问题，即凡是训练语料中未出现的情况全都忽略掉。条件随机场则很好的解决了这一问题，他并不在每一个节点进行归一化，而是所有特征进行全局归一化，因此可以求得全局的最优值。
A. 感知器由2层神经元组成，是一个单层的前馈神经网络
B. 输入结点把接收到的值传送给输出链，不作任何转换
C. 输出结点计算输入的加权和，加上偏置项，根据结果的符号产生输出
D. 训练阶段，权值参数不断调整，直至模型输出和训练样例的实际输出一致
解析：见算法解析
A. 可以存储许多相关(激励，响应)模式对
B. 以分布、稳健的方式存储信息
C. 即使输入激励模式完全失真时，仍然可以产生正确的响应模式
D. 可在原存储中加入新的存储模式
A. K近邻算法
B. 随机森林
C. 神经网络
D. 都不属于
解析：神经网络会将数据转化为更适合解决目标问题的形式，我们把这种过程叫做特征学习。
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. 1比2
B. 2比1
C. 1比1
D. 2比2
解析：见算法解析
A. 数据安全与隐私保护
B. AI模型攻防
C. 大数据威胁情报
D. 应用安全
解析：主要应用
