A、R-CNN$;$VGG$;$YOLO$;$LeNet
答案:AC
A、R-CNN$;$VGG$;$YOLO$;$LeNet
答案:AC
A. 规约数据$;$摘录$;$规则库$;$数据业务化
A. 每次选择一个与残差相关性最大的特征$;$是一种包裹式特征选择法$;$基于线性回归平绝对误差最小化$;$是通过对LASSO稍加修改而实现
A. def someFunction():$;$function someFunction()$;$def someFunction()$;$function someFunction():
A. 多分枝结构$;$残差连接$;$Batch Normalization$;$Sigmoid激活函数
A. 构建协方差矩阵$;$矩阵分解得到特征值和特征向量$;$特征值排序$;$特征值归一化
A. 求解目标函数$;$得到最优数据样本$;$找到最合适数据的参数$;$改变目标函数分布
A. 功率$;$路径代价$;$算法$;$完备性
A. 支持向量机复杂度主要与支持向量的数目有关 $;$ 支持向量机训练完成后,大部分的训练样本都不需保留,最终模型仅与支持向量有关 $;$SVM中划分超平面所产生的分类结果是最鲁棒的,对未见
示例的泛化能力最强. $;$ “异或”问题可能会导致空间中样本线性不可分