答案:A
A. 人工智能业务
B. 人工智能算法
C. 人工智能训练数据
D. 机器学习框架平台
解析:主要应用
A. 在语料中训练一个由词到向量(word 2 vector)的模型来对文本中呈现的上下文语境进行学习
B. 训练一个词包模型(a bag of words model)来对文本中的词的发生率(occurrence)进行学习
C. 创建一个文献检索词矩阵(document-term matrix)并且对每一个文本应用余弦相似性
D. 上述所有方法均可
A. 数据挖掘的成功经常依赖于数据挖掘工具的选择
B. 虽然数据可视化具有很明显的吸引力,高维数据上的图形挖掘却不能够很轻易地完成
C. 主成分分析能在不明显丢失信息的情况下降低数据维度
D. 数据挖掘就是从处理过后的数据中进行知识提取
解析:数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中,提取出蕴涵在其中的,人们事先不知道的,但是具有潜在有用性的信息和知识的过程。并非是从处理后的数据提取知识,D项错误,其他选项正确,答案ABC
解析:过拟合
A. 提出候选框生成网络,取代了SelectiveSearch
B. 在RPN与最终输出的两个阶段,将分类损失和框回归损失进行联合后对网络进行优化
C. 采用ROIpooling层,加速特征提取过程
D. 将CNN提取到的特征送入SVM进行分类
解析:见算法解析
解析:在机器学习中,如果一味的去提高训练数据的预测能力,所选模型的复杂度往往会很高,这种现象称为过拟合
A. 高斯核函数
B. 多项式核函数
C. Sigmiod 核函数
D. 线性核函数
解析:SVM常用的核函数包括:线性核函数、多项式核函数、高斯核函数、Sigmiod 核函数
A. 输入层
B. 表示层
C. 匹配层
D. 输出层
解析:见算法解析