BERT模型的主要创新点都在pre-train方法上，即用了（）和（）两种方法分别捕捉词语和句子级别的representation。

循环神经网最常常遇到的问题是：①.梯度消失②.词语依赖位置较远③.梯度爆炸④.维数灾难

命名实体识别任务是识别出人名、地名和组织机构名这三类命名实体，如果用1来标注人名，0标注其他，那么“HarryPotterandHermioneGrangerinventedanewspell”这句话中，Potter、and这两个单词应该标注为：

自然语言中的词语需要转化为计算机可以记录处理的数据结构，通常会把自然语言中的词语转化为以下哪种数据结构：

为什么计算机视觉任务优先考虑使用卷积神经网络：

深度神经网络的运行过程是由三个算法依次运行组成，下面不属于这三个算法中的是

人工神经元内部运算包含哪两个部分：

图像分类任务是一个计算量较大的任务，下面描述正确的是：①.不要使用深度学习技术②.尽量使用GPU加速运算③.尽量使用前人探索的有成功经验的经典的网络结构④.尽量自己重新设计编写网络，不要照搬别人的网络

随着卷积层数的增加，下面描述正确的是：①.在一定层数范围内，效果越来越好②.能够抽取的特征更加复杂③.层数越多越容易发生梯度消失

在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题（）

以下哪项是主要用于自然语言处理的网络结构（）