答案:A
答案:A
A. 输入层
B. 卷积层
C. 隐藏层
D. 输出层
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
A. break
B. continues
C. continue
D. pass
解析:break是打破最近层的循环,continue是略过本次循环下的东西跳到循环开头。
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. 集成学习一定能提升个体学习器的性能
B. Bagging 方法中,个体学习器之间彼此独立
C. Boosting 是一种重视错误样本的学习方法
D. Boosting 方法中,个体学习器存在强依赖
解析:见算法解析
A. 对问题搜索空间极大
B. 易收敛
C. 稳定性低
D. 不易融合专家知识
解析:主要应用
A. 每个神经元可以有一个输入和一个输出
B. 每个神经元可以有多个输入和一个输出
C. 每个神经元可以有多个输入和多个输出
D. 上述都正确
解析:每个神经元可以有一个或多个输入,和一个或多个输出。如图所示的神经网络结构中,隐藏层的每一个神经元都是多输入多输出。若将输出层改为一个神经元,则隐藏层每个神经元都是一个输出;若将输入层改为一个神经元,则隐藏层每个神经元都是一个输入。