答案:B
解析:基于深度学习的语音合成系统降低了对语言学的要求。
答案:B
解析:基于深度学习的语音合成系统降低了对语言学的要求。
A. 可以处理高维度的属性,并且不用做特征选择
B. 随机森林的预测能力不受多重共线性影响
C. 也擅长处理小数据集和低维数据集的分类问题
D. 能应对正负样本不平衡问题
解析:AI 芯片按技术架构分类可分为GPU(Graphics Processing Unit,图形处理单元)、半定制化的 FPGA、全定制化 ASIC和神经拟态芯片等。
A. 模拟、延伸和扩展人的智能
B. 和人一样工作
C. 完全代替人的大脑
D. 彻底的替代人类
A. 步态识别
B. 声纹识别
C. 文本识别
D. 虹膜识别
A. 编辑模式
B. 插入模式
C. 命令模式
D. 检查模式
A. 应用层
B. 服务层
C. 能力层
D. 资源层
解析:主要应用
A. 指数平滑模型
B. 自回归模型
C. 移动平均模型
D. 差分自回归移动平均模型
A. 自学习功能
B. 自动识别功能
C. 高速寻找优化解的能力
D. 联想存储功能
解析:人工神经网络的特点和优越性,主要表现在三个方面:
第一,具有自学习功能。例如实现图像识别时,只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络,网络就会通过自学习功能,慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测,其应用前途是很远大的。第二,具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。第三,具有高速寻找优化解的能力。寻找一个复杂问题的优化解,往往需要很大的计算量,利用一个针对某问题而设计的反馈型人工神经网络,发挥计算机的高速运算能力,可能很快找到优化解。选ACD
A. 根据特征向量X计算样本之间的相似性,选择离中心点最相似的k个样本
B. k近邻既可以用于分类,也可以用于回归
C. k近邻用于分类时,对于新的样本,计算离其最近的k个样本的平均值,作为新样本的预测值
D. k近邻用于分类时,对于新的样本,根据其k个最近邻样本的类别,通过多数表决的方式预测新样本的类别