A、频繁模式挖掘$;$分类和预测$;$数据预处理$;$数据流挖掘
答案:C
A、频繁模式挖掘$;$分类和预测$;$数据预处理$;$数据流挖掘
答案:C
A. 最小最大损失准则$;$最小误判概率准则$;$最小损失准则$;$N-P判决
A. 计算机表示法$;$“与/或”图表示法
$;$状态空间表示法 $;$产生式规则表示法
A. 专家系统、自动规划$;$专家系统、机器学习
$;$机器学习、智能控制$;$机器学习、自然语言理解
A. 提供更好的分类$;$减少参数量,实现任意大小的输入$;$加速模型收敛$;$增加网络深度
A. 监督式学习$;$非监督式学习$;$半监督式学习$;$强化学习
A. 增加网络深度$;$增加网络宽度$;$改善网络退化现象$;$轻量化网络模型
A. 排序$;$查找$;$遍历$;$建立
A. LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题$;$CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合$;$只要参数设置合理,深度学习的效果至少应优于随机算法$;$随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
A. 连接$;$配合$;$衔接和匹配$;$连接和配合