288、【单选题 #6】将ANN与模糊逻辑结合起来生成( )网络,这个网络既有ANN的学习能力,同时也具有模糊逻辑的解释能力。

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

290、【单选题 #6】深度学习与传统的机器学习最主要的区别在于( ),即随着数据规模的增加,其性能也不断增长。当数据很少时,深度学习算法的性能并不好。

289、【单选题 #6】从研究角度看,( )是基于多层神经网络的,以海量数据为输入的,发现规则自学习的方法。

288、【单选题 #6】将ANN与模糊逻辑结合起来生成( )网络,这个网络既有ANN的学习能力,同时也具有模糊逻辑的解释能力。