A、低维嵌入
B、核化线性降维
C、主成分分析
D、k近邻学习
答案：A
A、低维嵌入
B、核化线性降维
C、主成分分析
D、k近邻学习
答案：A
A.
神经网络的类型(如MLP,CNN)
B. 输入数据
C. 计算能力(硬件和软件能力决定)
D. 学习速率与映射的输出函数
解析：所有上述因素对于选择神经网络模型的深度都是重要的。特征抽取所需分层越多, 输入数据维度越高, 映射的输出函数非线性越复杂, 所需深度就越深. 另外为了达到最佳效果, 增加深度所带来的参数量增加, 也需要考虑硬件计算能力和学习速率以设计合理的训练时间。
A. 自然语言理解
B. 自然语言处理
C. 自然语言输入
D. 自然语言生成
A. 紧接于量词之后被量词作用的谓词公式称为该量词的辖域
B. 在一个量词的辖域中与该量词的指导变元相同的变元称为约束变元
C. 仅个体变元被量化的谓词成为一阶谓词
D. 个体变元、函数符号和谓词符号都被量化的谓词成为二阶谓词
解析：见算法解析
A. 有效性指标
B. 无效性指标
C. 驱动性指标
D. 可靠性指标
A. STING
B. Waveluster
C. MAFI
D. IRH
A. list
B. string
C. char
D. dict
解析：char只能存储一个字符
A. Web搜索引擎
B. 超市条形码扫描器
C. 声控电话菜单
D. 智能个人助理
A. 输入端-输出端
B. 输入端-中间端
C. 输出端-中间端
D. 中间端-中间端
