A. 图像识别等应用中,能够通过卷积运算等逐层自动提取特征。 B. 是特征提取层(convolution层)、特征映射层(pooling层)、传统神经网络层的组合。 C. 是一种无监督(unsupervised)机器学习模型。 D. 每层由多个二维平面组成,每个平面由多个独立神经元组成。
A. 修复了传统人工神经网络可解释性差的缺点 B. 继承了传统人工神经网络的容错能力、自适应学习能力和并行信息处理能力 C. 一般而言,层次越深则网络的学习能力越强,但同时意味着计算开销越大 D. 可以组合低层特征为抽象的高层特征进行特征学习
A. 异步序列到序列模型通常包含编码和解码两个部分,输入和输出的长度无需一致 B. RNN采用BP算法的改进版--BPTT作为参数训练算法 C. 同步序列到序列模型的输入序列和输出序列长度相等 D. 序列类别模型中将每个时序的输出信号加权计算的方法要优于使用最后一个序列的输出进行判断的方法
A. 生成对抗网络中有两个角色:生成器和判别器 B. 生成对抗网络的基本原理类似于生成器部分的模型进攻判别器部分的模型 C. 生成对抗网络可用于图像风格迁移 D. 生成对抗网络无法用于图像翻译
A. 专家系统研究的是符号表示的知识而不是数值数据为研究对象 B. 专家系统不允许出现不正确的答案 C. 专家系统的控制结构与知识是分离的 D. 专家系统采用启发式搜索方法而不是普通的算法
A. 人机界面和解释模块 B. 知识库和知识库管理系统 C. 推理机与知识库 D. 用户和知识产权所有人
A. 从人工总结的、特定领域的专家经验中获取 B. 通过机器学习等手段,从数据中自动获取新知识 C. 通常含有大量的常识性知识 D. 专家系统的构建目标是不出现错误判断
A. 维护系统的“透明性”,使得系统自身及其(推理)行为能被用户所理解 B. 即可以对推理结果做解释,也可以对知识本身做解释 C. 包括“How解释”,回答“如何”得到某个推理结果 D. 包括“Why解释”,回答“为什么”得到某个推理结果
A. 视频中感兴趣目标的检测、跟踪和定位 B. 图像中各种颜色的直方图分布统计 C. 图像中前景物体与背景的分割 D. 图像/视频中文字的检测和识别
A. 认知科学等视觉基础 B. 目标形状特征提取和建模等中底层图像处理方法 C. 目标识别等高层理解方法 D. 利用获取到的视频信息完成文本写作
微信支付 
支付宝支付