281、【单选题 #6】如今,ANN从股票市场预测到( )和许多其他应用领域都有突出的应用表现。① 汽车自主控制② 模式识别③ 经济预测④ 数据分析
答案解析
解析:
相关题目
304、【单选题 #7】强化学习的常见模型是标准的( )。
303、【单选题 #7】在强化学习中,( )选择一个动作作用于环境,环境接受该动作后状态发生变化,同时产生一个强化信号(奖或惩)反馈给智能体。
302、【单选题 #7】强化学习是从( ),参数扰动自适应控制等理论发展而来的,其基本原理是:如果智能体的某个行为策略导致环境正的奖赏,那么该智能体以后产生这个行为策略的趋势便会加强。
301、【单选题 #7】强化学习不要求预先给定任何数据,主要表现在强化信号上,通过接收环境对动作的( )获得学习信息,并更新模型参数。
300、【单选题 #7】强化学习侧重在线学习,并试图在探索—利用间保持平衡,用于描述和解决智能体在与环境的交互过程中,以“( )”的方式,通过学习策略达成回报最大化或实现特定目标的问题。
299、【单选题 #7】强化学习是机器学习中一种广泛应用于创建( )的模式,其主要问题是:一个智能体如何在环境未知,只提供对环境的感知和偶尔的奖励情况下,对某项任务变得精通。
298、【单选题 #6】下列场景中,( )是深度学习技术的典型应用领域。① 语音识别② 科学计算③ 机器翻译④ 自动驾驶
297、【单选题 #6】迁移学习需要研究如何利用正迁移,避免负迁移。它的主要迁移方式有( )。① 基于实例的迁移② 基于特征的迁移③ 基于算法的迁移④ 基于共享参数的迁移
296、【单选题 #6】从相关领域中迁移标注数据或者知识结构、完成或改进目标领域或任务的学习效果,迁移学习的关键点是( )。① 迁去何处② 迁移什么③ 如何迁移④ 何时迁移
295、【单选题 #6】如何充分利用之前标注好的数据(废物利用),同时又保证在新的任务上的模型精度——基于这样的需求,就有了对( )的研究。
