A.建構(gòu)神經(jīng)網(wǎng)絡(luò)時需要知道最終的函數(shù)學(xué)習機長什么樣子
B.打造一個神經(jīng)網(wǎng)絡(luò)的函數(shù)學(xué)習機是透過編程來達成
C.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、表現(xiàn)層及輸出層
D.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、隱藏層及輸出層
E.神經(jīng)網(wǎng)絡(luò)模型可分成輸入層、激發(fā)層及輸出層
您可能感興趣的試卷
你可能感興趣的試題
A.判定樹可以是多元樹
B.判定樹的起始點稱為根節(jié)點
C.判定樹是一種分群的機器學(xué)習技術(shù)
D.判定樹上的內(nèi)部節(jié)點代表一個特征值
E.判定樹上的樹葉就是代表一種分類結(jié)果
A.支持向量機的分類函數(shù)稱為核函數(shù)(kernelfunction)
B.核函數(shù)(kernelfunction)都是非線性的
C.核函數(shù)可以多項式核函數(shù)及徑向基核函數(shù)
D.利用核函數(shù)的變化,可以將原先在低維度空間無法分類的問題轉(zhuǎn)到高維度空間達以達成需要的分類效果
E.支持向量機可以透過核函數(shù)的轉(zhuǎn)換,簡化分類的困難度
A.分群問題被定義為:將未知的新訊息歸納進已知的信息中
B.機器學(xué)習領(lǐng)域中的分群問題,重點在于新的數(shù)據(jù)和已分類的數(shù)據(jù)互相比較,看看新數(shù)據(jù)在分類過的數(shù)據(jù)中,和哪一類數(shù)據(jù)比較類似
C.分類問題就是一群數(shù)據(jù)中沒有明確的分類或群體,而是必須透過它們所具有的特
D.分群的問題要事先幫數(shù)據(jù)做卷標(label)
E.分群的基礎(chǔ)在于要根據(jù)可以區(qū)分出兩種群體的特征來分群
A.算法、復(fù)雜的軟件、計算機計算能力
B.算法、無適當?shù)臄?shù)據(jù)庫、計算機計算能力
C.缺強大的操作系統(tǒng)、無適當?shù)臄?shù)據(jù)庫、計算機計算能力
D.復(fù)雜的軟件、計算機計算能力、大量的數(shù)據(jù)
E.無適當?shù)臄?shù)據(jù)庫、計算機計算能力、大量的數(shù)據(jù)
A.收集歷史資料
B.把問題化成函數(shù)的形式
C.先問一個問題
D.學(xué)習(訓(xùn)練)
E.打造一個函數(shù)學(xué)習機
![](https://static.ppkao.com/ppmg/img/appqrcode.png)
最新試題
模型微調(diào)中的提示學(xué)習是指:()。
根據(jù)新數(shù)據(jù)集的大小和數(shù)據(jù)集的相似程度,下列選項不屬于遷移學(xué)習方法情況的是的是()。
在自然語言處理中,哪些技術(shù)可以用于改善實體識別和文本生成任務(wù)的性能()?
在深度學(xué)習中,哪些方法可以用于優(yōu)化模型訓(xùn)練過程并提高模型在特定任務(wù)上的表現(xiàn)()?
屬性值約束主要有()。
在自然語言處理任務(wù)中,哪些技術(shù)適用于提升文本分類的性能()?
集成學(xué)習在強化學(xué)習中的一個常見應(yīng)用是什么()?
反向傳播算法的主要目的是什么()?
人工智能中的“序列到序列”模型主要用于處理什么類型的數(shù)據(jù)()?
在自然語言處理中,哪些方法可以用于提升自動對話系統(tǒng)和文本摘要生成的自然性和流暢性()?