题目内容

如今的数据比以往任何时候都更加深入地、紧密地与人们的日常生活交织在一起。请对下列存储单位有小到大排列：【1】<【2】<【3】<【4】<【5】<【6】<【7】<【8】请在下列候选项中选取正确的答案序号，填入到题干相应的位置。候选项：A. PB B. ZB C. MB D. GB E. KB F. EB G. B H. TB

查看答案

搜索结果不匹配？点我反馈

更多问题

我们已经进入大数据时代，产生数据能力空前高涨，如互联网、移动网、物联网、成千上万的传感器、穿戴设备、GPS等等，存储数据、处理数据等能力也得到了几何级数的提升。而机器学习的任务，就是要在基于大数据的基础上，发掘其中蕴含有用的信息。机器学习基于数据，机器学习按照学习能力主要分为【1】学习、无监督学习和【2】。而监督学习就是基于输入数据及目标值训练预测模型，可具体细分为【3】和回归。如通过房地产市场的数据，预测一个给定面积的房屋的价格就是一个回归问题。而非监督学习就是根据输入数据对数据进行分组，其中最具体的方式就是【4】。而涉及到的算法与K-均值算法，【5】算法，分层聚类算法等。如对于一组不同的人我们测量他们DNA中对于一个特定基因的表达程度，然后根据测量结果可以用聚类算法将他们分成不同的类型。这就是一种【6】学习候选项：A. 监督 B. 回归 C. 高斯混合 D. 强化学习 E. 分类 F. 聚类G. 排序 H. 无监督

人工智能理论是随着数字计算机的发展而发展的。人工智能一词被正式提出来之前，英国数学家【1】发表了题为《计算机与智能》的论文，他开创了人工智能的研究领域，图灵机的提出表明计算机通过大脑神经元实现，可以做出人类的行为，我们可以借助其他的媒介来实现计算机和大脑一样的功能，这就是人工智能思想的萌芽。最早的人工智能起源三个学派。【2】学派，认为：人类的认知过程是符号操作过程，智能行为是符号操作的结果。知识可用符号表示，也可以用符号进行推理。【3】主义学派，认为：人的思维基元是神经元，人的智能活动是有大量的简单的神经元通过复杂的连接后并运行的结果。这一认知极大地推动了【4】的兴起。【5】主义学派，认为：人工智能应重点关注复杂环境下对行为的控制，可以使机器像人类智能一样逐步化，所以推动了【6】的进步与发展。候选项：A.语义网络 B. 冯若依曼 C. 符号主义 D. 图灵 E. 机器人 F. 行为 G. 人工神经网络 H. 联结

人工智能的本质是模拟人的智能，模仿人类的理性思维模式。而人类的这一理性思维是基于物质世界范畴的，也就是说很大程度上是基于人类掌握的知识。对人的知识的梳理和掌握是研究人工智能的基础，【1】（Knowledge Representation）就是要进行这样的工作。目前，关于知识表示有很多种，常见的【2】、产生式、语义网络、框架表示方法等。知识的谓词逻辑表示，一阶谓词的一般形式为：P（x1,x2,...xn）,其中， P是【3】，x1,x2,...xn是个体。常用的谓词连接词有:┐表示否定后面的命题，【4】表示连接的两个命题具有“与”关系，∨表示连接的两个命题具有“或”关系；→表示条件关系，如P→Q表示“如果P,则Q”。设有一组事实性知识如下：张辉是一名计算机系的学生，但他不喜欢编程。如果张辉大于18岁，则张辉成年。按照知识的表示的步骤，分三步完成。第一步：定义谓词，COMPUTER(x):x是计算机系学生。LIKE(x,y):x喜欢y。GREATER(x,y):x大于y。ISADULT(x):x已成年。第二步：将个体代入谓词中，得到COMPUTER(zhanghui)，LIKE(zhanghui,programming)，GREATER(zhanghui,18)，ISADULT(【5】)。第三步：根据语义，用逻辑联结词将谓语连接起来，表示上述知识的谓词公式如：COMPUTER(zhanghui) ∧┐LIKE(zhanghui,programming)，GREATER(zhanghui,18)【6】ISADULT(zhanghui)。候选项：A.知识推理 B. 谓词名 C. 知识表示 D. 有一阶谓词逻辑 E. → F. zhanghui G. ∧ H. 不确定性

人工神经网络（Artificial Neural Network,ANN）是20世纪80年代以来人工智能领域兴起的研究热点。它是从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也简称为神经网络或类神经网络，其本质是一种【1】模型。从神经网络的逻辑架构来看，在网络中，分成输入层，隐藏层，和输出层。【2】负责接收信号，【3】负责对数据的分解与处理，最后的结果被整合到【4】。具有多个隐藏层的神经网络被称为深度神经网络，基于深度神经网络的学习研究称之为【5】。深度学习模型中最常用的模型有【6】网络、循环神经网络和生成式对抗网络候选项：A.深度学习 B.输入层 C. 输出层 D. 神经 E. 隐藏层 F. 计算 G. 数学 H. 卷积神经