機器學習與深度學習智慧樹知到期末考試答案章節(jié)答案2024年聊城大學

機器學習與深度學習智慧樹知到期末考試答案+章節(jié)答案2024年聊城大學生成對抗網(wǎng)絡可以用于語言生成。（）。

答案:對生成對抗網(wǎng)絡是生成器和判別器的總稱（）。

答案:錯以下哪個不是生成對抗網(wǎng)絡的應用領域。（）。

答案:分類生成對抗網(wǎng)絡的核心思想是來源于博弈論的（）。

答案:納什均衡生成對抗網(wǎng)絡就是生成一個和原模型相似的網(wǎng)絡（）。

答案:錯門循環(huán)神經(jīng)網(wǎng)絡常用于圖片的分類。（）。

答案:錯長短時記憶網(wǎng)絡最有特點的門是（）。

答案:遺忘門長短時記憶網(wǎng)絡，可以避免梯度消失的問題。（）。

答案:對訓練樣本的輸入和輸出不是比較確定的，我們使用什么網(wǎng)絡來訓練？（）

答案:循環(huán)序列數(shù)據(jù)常用循環(huán)神經(jīng)網(wǎng)絡來訓練（）。

答案:對卷積神經(jīng)網(wǎng)絡常用于數(shù)值型數(shù)據(jù)的分類。（）

答案:錯（）函數(shù)的作用是衡量樣本真實值和預測值之間的誤差。

答案:損失卷積的作用可以看作是一種局部操作，通過卷積核可以獲得原始數(shù)據(jù)的（）。

答案:局部特征卷積是一個數(shù)學概念，是通過兩個函數(shù)生成（）的一種運算。（）

答案:第三個函數(shù)（）是利用局部相關的特征采樣較少的數(shù)據(jù)來保持原有重要信息的一種操作。

答案:池化前饋神經(jīng)網(wǎng)絡是一種最簡單的神經(jīng)網(wǎng)絡，每層包含若干神經(jīng)元，這些神經(jīng)元互相連接并傳遞信息。（）。

答案:錯神經(jīng)網(wǎng)絡中基本組成的單元是（）。

答案:神經(jīng)元反向傳播更新的是（）。

答案:權重使用激活函數(shù)的主要目的是給神經(jīng)元引入（）。

答案:非線性()只沿一個方向進行。（）。

答案:前饋神經(jīng)網(wǎng)絡聚類分析是將數(shù)據(jù)對象分組內的（）越大，聚類的效果就越好。（）

答案:相似性時間復雜度最高的聚類方法是（）。

答案:DBSCAN層次聚類可以是自上而下的（）。

答案:對()試圖在不同層次對數(shù)據(jù)集進行劃分。（）。

答案:層次聚類最常用的聚類算法是（）算法。（）。

答案:K-Means（）個體學習器是所構建的所有個體學習器都是同一類型的學習器（）。

答案:同質結合策略主要是平均法、投票法以及學習法（）。

答案:對集成學習是（）弱可學習器，形成一個強可學習器。（）。

答案:整合如果存在一個算法，可能以很高的準確率學習得到某個概念，則稱這個概念（）。

答案:強可學習集成學習的思想是（）。

答案:三個臭皮匠賽過諸葛亮支持向量機的原理是將低維數(shù)據(jù)升維（）。

答案:對支持向量機以統(tǒng)計學習理論為基礎，主要針對（）情況。

答案:小樣本支持向量機的理論中最基礎最核心的當屬（）。

答案:間隔最大以下不屬于支持向量機訓練速度慢的原因（）。

答案:過擬合在特征提取方面，（）準則旨在訓練階段拉近同類樣本，同時拉遠一類樣本（）。

答案:最大邊界決策樹的生成過程中沒有考慮停止條件，所得到的生成數(shù)可能會非常大，對訓練級來說可能存在（）。

答案:過擬合決策樹學習的關鍵是如何選擇（）。

答案:最優(yōu)屬性決策樹是一個（）階段的過程。（）

答案:2決策數(shù)使用（）系數(shù)來劃分屬性（）。

答案:基尼決策樹是一個數(shù)值預測模型。（）

答案:錯樸素貝葉斯簡單假設是所有特征屬性之間相互（）。

答案:獨立貝葉斯網(wǎng)絡描述了特征屬性間的因果的關系，提供了一種基于因果信息的表示方法。（）

答案:對以下屬于參數(shù)估計后驗推理模型的是（）。

答案:統(tǒng)計模型貝葉斯的缺點是輸入（）或數(shù)據(jù)間相關性較大時會出現(xiàn)問題（）。

答案:數(shù)據(jù)量大貝葉斯學習貝葉斯的方法的本質是以理解為從結果推到（）。

答案:原因knn算法是基于實例的學習，屬于（）模型（）。

答案:非參數(shù)邏輯回歸是當前比較常用的機器方法，用于研究某個事件發(fā)生的（）。

答案:概率線性回歸算法主要用來預測（）型的目標值。（）。

答案:數(shù)值利用線性回歸可以對任意輸入給出對應輸出的估計。（）

答案:對k近鄰算法是指k個最近的鄰居及每個樣本都可以與他最近的()來代表（）

答案:K個鄰居人工智能是在20世紀（）年代開始步入完善的。

答案:70下列哪些不屬于機器學習領域的常見方法？（）

答案: