A、防止模型欠拟合而加在损失函数后面的一项$;$L1范数符合拉普拉斯分布，是完全可微的$;$L1正则化项是模型各个参数的平方和的开方值$;$L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
答案：D
A、防止模型欠拟合而加在损失函数后面的一项$;$L1范数符合拉普拉斯分布，是完全可微的$;$L1正则化项是模型各个参数的平方和的开方值$;$L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
答案：D
A. 有监督的建模技术$;$无监督的建模技术$;$分类建模技术$;$聚合建模技术
A. Microsoft$;$intel$;$NVIDIA$;$AMD
A. 输入层和输出层之间仅包含一个中间层
$;$输入层和输出层之间可能包含多个中间层$;$激活函数允许隐藏结点和输出结点的输出值与输入参数呈现线性关系$;$激活函数允许隐藏结点和输出结点的输出值与输入参数呈现非线性关系
A. 训练、编码、解码$;$编码、训练、解码$;$解码、训练、编码$;$训练、解码、编码
A. —组对象所具有的相似性质$;$—个对象具有另一个对象的性质$;$各对象之间的共同性质$;$类之间共享属性和操作的机制
A. 随机梯度下降$;$ReLU函数$;$卷积函数$;$损失函数
A. 网格结构$;$数组结构$;$序列结构$;$表格结构
A. 公平性$;$真实性$;$快速性$;$准确性
A. 低维嵌入$;$核化线性降维$;$主成分分析$;$k近邻学习
