当训练数据近似线性可分时，通过硬间隔最大化，也学习一个线性的分类器，即线性支持向量机，又称为硬间隔支持向量机。

（）的核心训练信号是图片的“可区分性”。模型需要区分两个输入是来自于同一图片的不同视角，还是来自完全不同的两张图片。

图像数字化分为两个步骤：一为取样，二为（）。

图计算中图数据往往是（）和不规则的，在利用分布式框架进行图计算时，首先需要对图进行划分，将负载分配到各个节点上

循环神经网在工业上最常用的两种实现是：①.LSTM②.GRU③.CNN④.DNN

循环神经网络优于全连接网络的一个原因是循环神经网络实现了权值共享，那么权值共享的好处有：①.模型参数变少②.运算速度变快③.占用内存少④.所有权值都共享同一个值

为什么不能用多层全连接网络解决命名实体识别问题：

循环神经网络之所以有作用是因为：

循环神经网络的英语简写是：

语言模型的作用是：

关于wordembedding下列叙述正确的是①.向量维数较低②.向量之间有更强的相关关系③.向量不再是稀疏的④.向量中的值更容易计算