A、 不断递归而衰退
B、 不断递归而增强
C、 先增强后减弱
D、 先减弱后增强
答案：A
A、 不断递归而衰退
B、 不断递归而增强
C、 先增强后减弱
D、 先减弱后增强
答案：A
A. 支持向量机
B. 神经网络
C. 数据可视化
D. 数据挖掘
解析：主要利用fit、transform和fit_transform
A. 只要一个对称函数所对应的核矩阵半正定，就能称为核函数
B. 核函数选择作为支持向量机的最大变数
C. 核函数将影响支持向量机的性能
D. 核函数是一种降维模型
解析：只要一个对称函数所对应的核矩阵半正定，它就能作为核函数使用.事实上，对于一个半正定核矩阵，总能找到一个与之对应的映射，任何一个核函数都隐式地定义了一个称为“再生核希尔伯特空间”的特征空间，我们希望样本在特征空间内线性可分，因此特征空间的好坏对支持向量机的性能至关重要，在不知道特征映射的形
式时，我们并不知道什么样的核函数是合适的，而核函数也仅是隐式地走义了这个特征空间，于是，“核函数选择”成为支持向量机的最大变数
A. 4
B. 4＋2Δx
C. 4＋2(Δx)2
D. 4x
解析：解析：选B.因为Δy＝[2(1＋Δx)2－1]－(2×12－1)＝4Δx＋2(Δx)2，所以ΔyΔx＝4＋2Δx，故选B.
A. 这是一个死循环
B. 打印结果是1,2,3
C. 把while改为if，程序运行结果一致
D. 把while改为if，打印结果为1,2,3
解析：见函数库
A. A=0
B. A=E
C. r(A)=n
D. 0<r(A)<(n)
A. 计算智能
B. 感知智能
C. 认知智能
D. 以上都不正确
解析：基础概念
A. 表示层、匹配层
B. 输入层、匹配层
C. 输入层、表示层
D. 输入层、表示层和匹配层。
解析：DSSM模型总的来说可以分成哪几层结构，分别是输入层、表示层和匹配层。
