自然语言理解是人工智能的重要应用领域，下面列举中的（）不是它要实现的目标

函数u=ln(x+sqrt(y^2+z^2))在点M(1,0,1)处沿点M指向N(3,-2,2)方向的方向导数是（）。

设z=xyz+z^2+5，则u在点M(0,1,-1)处的梯度是（）。

设z=(x^2)yz，求z在点M(1,1,1)沿向量l=(2,-1,3)的方向导数为（）。

交叉熵就是用来判定实际的输出与期望的输出的接近程度，交叉熵越大说明两者之间越接近。

两个变量的 Pearson 相关性系数为零，但这两个变量的值同样可以相关。

变量[0,0,1,1,1]的信息熵为（）。

设矩阵A的秩为r，则A中（）。

[[[1.3688, 1.0125]], [[0.1747, -0.022463]]]张量的维度为（）。

有两个样本点，第一个点为正样本，它的特征向量是（0, -1）；第二个点为负样本，它的特征向量是（2, 3），从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是（）。

一个SVM模型存在欠拟合问题，下面怎么做能提高模型的性能？