梯度下降算法是最常用也是最有效的神经网络的优化办法,完全可以满足不同类型的需求。()

卷积神经网络(convolu-tional neural network，CNN)，是一种专门用来处理具有类似( )的数据的神经网络。

Transformer中抛弃了传统的CNN和RNN，整个网络结构完全是由()机制组成。

在RNN中，目前使用最广泛的模型便是（）模型，该模型能够更好地建模长序列。

SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的（）无关。

机器执行学习的框架体现了其学习的本质是（）

模型有效的基本条件是能够（）已知的样本

（）对隐含层的输入进行归一化，更好的尺度不变性（应对内部协变量偏移），更好的优化地形（输入处于不饱和区域，从而让梯度变大）

为了将特征转变成Embedding表示，所有特征均需转变成（）

DSSM模型的结构是什么？

DSSM经典模型的缺点：1.Wordhashing可能造成词语冲突；2.采用词袋模型，损失了上下文语序信息；3.搜索引擎的排序由多种因素决定，用户点击时doc排名越靠前越容易被点击，仅用点击来判断正负样本，产生的噪声较大，模型难以收敛；4.效果不可控。