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。
