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