285、【单选题 #6】ANN是一种模仿生物神经网络,其中的( )扮演了生物神经模型中突触的角色,用于调节一个神经元对另一个神经元的影响程度。

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。

294、【单选题 #6】卷积神经网络中池化层的核心目标之一是提供空间方差,即使它的外观以某种方式发生改变,机器也能够将对象识别出来。池化层通常由一个简单的操作完成,比如( )。① max② min③ average④ total

293、【单选题 #6】与常规神经网络不同,卷积神经网络各层中的神经元是三维排列的:( )。在其结构的最后部分,将会把全尺寸的图像压缩为包含分类评分的一个深度方向排列的向量。① 宽度② 高度③ 精度④ 深度

292、【单选题 #6】( )网络是一种用来分析视觉图像的强大的深度学习模型。它是一种前馈神经网络,类似人工神经网络的多层感知器,也是深度学习的代表算法之一。

291、【单选题 #6】已经有多种深度学习框架,如深度神经网络和( ),被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域,并获取了极好的效果。① 卷积神经网络② 高性价比③ 深度置信网络④ 递归神经网络