雨课堂学堂在线学堂云《机器学习及其Python实践（中国农业）》单元测试考核答案

第1题给定任务,以下不属于机器学习的研究范畴的是()。A损失函数B样本数据集C学习算法D程序设计方法第2题给定数据集和模型假设,对学习算法来说,()是未知的。A参数B特征C预测目标D的函数形式第3题使用训练好的模型y=f(x;θ∗)

去求解新样本特征所对应的目标,这一步被称作()。A学习B训练C拟合D预测第4题给定新的样本特征和训练好的模型y=f(x;θ∗),对预测算法来说,()是未知的。A参数θ∗B特征C目标Df(x;θ∗)的函数形式第5题下列应当使用确定性变量,而不是随机变量来表示的是()。A某名同学的身高B某名同学未来的身高C某班级全体同学的身高D某班级全体男同学的身高第6题下列哪项应当使用随机变量,而不是确定性变量来表示?()A某名同学的身高B某名同学在一周岁时的身高C某名同学目前在班级中的身高排名D某名同学所在班级全体同学的身高第7题根据面积测算房价可用函数y=f(x)

表示,这是一个确定性模型,请问下列哪种说法是错误的?()A若考虑面积的测量误差,则房价模型将变成随机模型B若考虑楼层、朝向等因素会造成房价浮动,则房价模型将变成随机模型C若考虑不同中介使用的定价模型不同,则市场报价模型将变成随机模型D若将计价单位由“元”改为“万元”,则房价测算模型将变成随机模型第8题标准正态分布概率密度函数的形式是()。ABCD第9题描述列向量与的点积(内积),下列哪种写法是错误的?()ABCD第10题给定数据集,假设多元线性模型的损失函数为记则损失函数可用矩阵形式表示为()。ABCD第11题下列哪种形式描述的是随机变量之间存在因果关系?()ABCP(Y|X)DP(X|Y)第12题高尔顿在研究子女身高与父母身高相关性时首次使用了“回归”()一词,其原本的含义是()。A子女身高可近似看作父母身高的线性函数B不管父母高矮,子女身高会保持向人类平均身高靠拢的倾向C父母高的后代越来越高D父母矮的后代越来越矮第13题高尔顿在研究子女身高与父母身高相关性时首次使用了“回归”()一词,现在机器学习中“回归”的含义是()。A线性模型B高尔顿的研究方法C身高问题D房价问题第14题关于机器学习与人工智能,下列说法中哪一项是错误的?()A机器学习属于人工智能的研究范畴B深度学习属于机器学习的研究范畴C统计学习属于机器学习的研究范畴D机器学习属于统计学习的研究范畴第15题人脸识别问题不会是下列问题中的哪一项?()A回归问题B分类问题C聚类问题D有监督学习问题第1题关于回归分析,下列哪种说法是错误的?()A回归分析是定量研究两种或两种以上变量间相互依赖关系的一种机器学习方法B回归分析按自变量的多少,可分为一元回归和多元回归分析C按因变量与自变量之间的函数形式,可分为线性回归和非线性回归D回归分析是在机器学习出现之后诞生的一种新的科学研究方法第2题下列哪个Python类库与机器学习没有关系?()ANumPyBMatplotlibCScikit-learnDDjango第3题机器学习需要对样本数据集进行必要的预处理,但其中不包括()。A缺失值处理B重复值处理C对非数值型特征进行数值编码D统一数据集的数据精度(小数位数)第4题下列关于数值型特征标准化的说法,哪一项是错误的?()A数值型特征标准化的目的是尽可能消除特征项之间的不平等B数值型特征标准化的主要手段有消除量纲、统一取值范围等CMin-Max标准化是将特征项的值域映射(或称缩放)到[-1,1]区间DZ-score标准化对原始数据实施了去中心化和归一化这样两步操作第5题机器学习将样本数据集拆分成训练集和测试集,下列哪种说法是错误的?()A传统统计学评价模型好坏的标准是训练集上预测值与实际值的拟合程度B机器学习评价模型好坏时更关注其泛化能力,即对未知新样本的预测能力C机器学习中,训练模型应当同时使用训练集和测试集D机器学习中,评价模型应当只使用测试集第6题下列关于梯度下降法的说法中,哪一项是错误的?()A梯度下降法(GradientDescent,缩写GD)是一种迭代算法B梯度下降法的关键步骤是,第次迭代时如何将参数从更新到C最小化损失函数,梯度下降法的参数迭代公式是D应用梯度下降法的一个前提条件是损失函数一阶可导第7题关于模型评价,下列说法中哪一项是错误的?()A回归分析在训练模型时通常以样本误差平方和作为评价模型好坏的标准B均方误差MSE是评价回归模型时一种常用的评价指标C决定系数R方也是评价回归模型时一种常用的评价指标D训练模型和评价模型所使用的评价方法必须相同第8题关于测试集,下列说法中哪一项是错误的?()A测试集应尽量与训练集不重叠,其目的是测试模型的泛化能力B将原始数据集简单拆分成一个训练集和一个测试集,这种方法被称为留出法Ck折交叉验证将数据集平均拆分成k个子集,然后用其中1个训练模型,剩余的k-1个测试模型Dk折交叉验证共进行k轮训练-测试,综合k个结果,最终得到其均值或最优值第9题关于线性回归分析中的正则化,下列说法中哪一项是错误的?()A如果训练集太小,样本容量小于参数个数,则最优参数有无穷多个B如果样本集存在多个样本点共线的情况,则最优参数有无穷多个C奥卡姆剃刀的原理是,无从选择时应选择复杂的D在损失函数中引入正则化项的目的是限制回归模型的复杂度第10题关于线性回归分析中的正则化,下列说法中哪一项是错误的?()A最小二乘法没有使用正则化技术B岭回归在损失函数中引入的正则化项是CLASSO回归在损失函数中引入的正则化项是D正则化项中的超参数是通过学习算法训练得到的第11题下列哪种回归分析问题不能使用梯度下降法求解?()A最小二乘法B岭回归CLASSO回归D逻辑斯谛回归第12题下列关于换元法的说法中,哪一项是错误的?()A可以使用换元法将多项式模型转换成线性模型B可以使用换元法将指数模型转换成线性模型C将多项式模型转换成线性模型被换元的是自变量D将指数模型转换成线性模型被换元的是自变量第13题假设表示饱和度,则饱和度的几率是()。ABCD第14题逻辑斯谛回归分析是根据特征预测出目标(0或1)的条件概率P(Y|X)

,与特征构成线性关系的是()。ABP(Y|X)CP(Y=1|X)1−P(Y=1|X)DlnP(Y=1|X)1−P(Y=1|X)第15题开展机器学习或数据分析方面的编程工作,使用下列哪个集成开发环境(IDE)最为方便?()AAnacondaBIDLECPyCharmDEclipsewithPyDev第3章章节测验第1题下列关于分类问题的描述中,错误的是()。A给定样本特征,将其划归某一类别,这就是分类问题,或称为识别问题B分类问题必须基于特征的概率分布建立判别函数C机器学习将分类所用的判别函数称作分类器D贝叶斯决策是统计决策中解决分类问题的基本方法第2题在已知概率分布的情况下,分类错误率最小的分类器是()。A贝叶斯B朴素贝叶斯C近邻D决策树第3题给定特征,贝叶斯决策是基于下列哪个概率最大来判定类别的?()ABCD第4题下列关于朴素贝叶斯的描述中,错误的是()。A朴素贝叶斯是针对高维特征联合概率分布难以估计问题而提出的B朴素贝叶斯假设各特征项之间相互独立C朴素贝叶斯假设各特征项与类别之间相互独立D设计朴素贝叶斯分类器需估计给定类别条件下各特征项的概率分布第5题给定类别,如果特征有3个不同选项,则服从下列哪种概率分布?()A0-1分布B伯努利分布C多项分布D高斯分布第6题下列关于牛顿法的描述中,错误的是()。A牛顿法是一种数值迭代算法B应用牛顿法的一个前提条件是目标函数二阶可导C牛顿法利用二阶导数确定下一迭代点的搜索方向D牛顿法的收敛速度比梯度下降法快第7题将逻辑斯蒂回归应用于多分类,其后验概率的函数形式为()。Alogistic函数Bsoftmax函数Csigmoid函数DGaussian函数第8题下列关于近邻分类器的描述中,错误的是()。A近邻分类器直接基于训练集实例进行分类,没有显式的学习过程B给定新样本,近邻分类器会查找训练集中的个最近邻并统计它们的类别C近邻分类器采用简单多数表决规则判定新样本的类别D近邻分类器均使用欧氏距离来度量样本点间的相似度第9题下列关于线性判别分析的描述中,错误的是()。A对于二分类问题,线性判别分析的核心思想是设法将高维特征压缩至一维B线性判别分析选择投影方向的标准是“类内方差最大,类间方差最小”C线性判别分析在将高维特征压缩到一维之后再基于一维特征设计分类器D线性判别分析更多地是用于特征降维第10题下列关于决策树分类器的描述中,错误的是()。A决策树分类器按照特征有效性,先使用主要特征,后使用次要特征B决策树的分类决策过程分多步完成,每步选用一个特征项C决策树选择特征项的标准是“所划分子集纯度越高,则特征项越有效”D使用训练集建立决策树的过程是一个演绎推理的过程第11题决策树模型的三种特征选择准则中不包括下列哪一项?()AID3BC4.5CCARTDMSE第12题二分类模型的评价指标中不包括下列哪一项?()A正确率B精确率C召回率DR方第13题设为正交矩阵,则下列哪一项是错误的?()ABCD第14题下列哪种方法属于线性特征降维方法?()A主成分分析PCAB等度量映射IsomapC局部线性嵌入LLED多维缩放MDS第15题下列哪种降维方法能够保证降维后样本点之间的欧式距离不变?()A主成分分析PCAB等度量映射IsomapC局部线性嵌入LLED多维缩放MDS第4章章节测验第1题统计学习理论围绕机器学习的泛化性能开展研究,其研究内容不包括下列哪一项?()A学习过程一致性的充要条件B泛化误差的下界C影响泛化误差的因素D如何设计具有泛化能力的学习模型第2题经验风险最小化()归纳原则定义了一个学习过程,在这个学习过程中不会涉及下列哪一项内容?()A假设空间B学习算法C经验误差D泛化误差第3题下列关于泛化能力的描述中,哪一项是错误的?()A训练集上学习到的模型,其在总体分布上的性能表现被称为模型的泛化性能B如果模型在总体分布上的性能与在训练集上的性能一致,则称其具有一致性C经验风险最小化(ERM)归纳原则并不能保证所学习到的模型具有一致性D泛化能力强,指的是模型在总体分布上的性能表现好第4题ERM归纳原则具有一致性的充分必要条件为：

下列解释中哪一项是错误的?(

)ARemp(θm∗)是训练集样本容量为时学习算法在假设空间中能够得到的最小经验误差Bθm∗是经验误差最小时所对应的参数(即最优参数)CR(θm∗)是取最优参数时函数f(x;θm∗)在总体分布上的泛化误差D可能差值中最小的差值第5题对于二分类问题,若训练集样本容量为,则所有可能的分类结果序列有多少个?()A1B2CD第6题下列关于假设空间的描述中,哪一项是错误的?()A假设空间的复杂度与ERM归纳一致性有着密切关系B可以用增长函数或VC维来度量假设空间的复杂度C如果假设空间能对某个训练集正确分类,则称假设空间能将该训练集打散D一般来说,假设空间的函数形式越复杂或数量越多,其表达能力就越强第7题由线性函数构成的假设空间,其VC维是()。A2BCD无穷大第8题给定假设空间,ERM归纳原则在任意分布上都具有一致性且收敛速度快的充分必要条件是(),其中为样本容量。ABCD第9题下列关于泛化误差上界的描述中,哪一项是错误的?()A对于机器学习来说,泛化误差的上界越小越好B泛化误差上界指出了泛化后最大的误差会到什么程度C泛化后模型的最大误差绝对不会超过泛化误差上界D理解泛化误差上界对机器学习模型及其算法的设计具有直接的指导意义第10题泛化误差上界与下列哪种因素无关?()A经验误差B假设空间VC维C训练集样本容量D测试集样本容量第11题下列关于PAC可学习的描述中,哪一项是错误的?()A一般来说,对于复杂问题很难学习到无泛化误差的理想模型B“PAC”的中文意思是“概率近似正确”C“近似正确”指的是不要求泛化误差为零,但要求其不超过某个上界D“概率近似正确”指的是泛化误差应百分之百满足近似正确的要求第12题要想降低泛化误差,下列哪种方法不可行?()A降低经验误差B降低假设空间VC维C增加训练集样本容量D增加测试集样本容量第13题下列关于ERM和SRM归纳原则的描述中,哪一项是错误的?()AERM归纳原则的目标是降低经验误差BSRM归纳原则的目标是降低泛化误差C实现SRM归纳原则的手段是调节假设空间的复杂度DERM和SRM归纳原则在实际应用中都比较容易实现第14题下列关于线性可分支持向量机的描述中,哪一项是错误的?()A假设两个类是线性可分的,则存在超平面能将两个类的特征点完全分开B假设两个类是线性可分的,则能将两类特征点完全分开的超平面有无穷多个C最优分类超平面的抗干扰能力最强D最优分类超平面的方程形式为:第15题在线性可分支持向量机中,支持向量应满足下列哪个条件?()ABCD第5章章节测验第1题下列关于分类与聚类的描述中,哪一项是错误的?()A分类是根据有标注数据集来训练模型,属于有监督学习B聚类是根据无标注数据集来训练模型,属于无监督学习C聚类根据数据自身的分布特性或结构自动聚集成簇,形成类别概念D给定无标注数据集,聚类算法需将数据集划分成若干个可重叠的簇第2题下列概率分布的等价表示中,哪一项是错误的?()AP(X=x)≡P(x)BP(Y|X)≡P(Y|x)CP(Y=y|X)≡P(y|X)D第3题在聚类问题中,给定未做标注的数据集,下列说法中错误的是()。A数据集只包含样本的分类特征,未包含样本对应的类别标注B分类特征是可观测的变量,样本类别是不可观测的隐变量C数据集未包含样本类别的原因是因为实际应用不需要它D聚类问题的关键是如何根据数据集来估计含隐变量概率模型的参数第4题关于聚类问题和混合概率模型参数估计问题,下列说法中错误的是()。A它们的模型在本质上都属于含隐变量的概率模型B它们的样本数据集都不包含类别标注C估计它们的模型参数通常都使用EM算法进行求解D它们最终要求解的都是分类特征的概率分布第5题下列关于EM算法的描述中,哪一项是错误的?()AEM算法主要用于求解含隐变量的最优化问题BEM算法是一种迭代算法CEM算法的关键步骤是第次迭代时如何将参数从更新到DEM算法每次迭代应能让对数似然函数逐步下降,即:第6题下列哪一项是EM算法中的Q函数?()ABCD第7题下列关于EM算法步骤的描述中,哪一项是错误的?()AEM算法首先选择初始参数BEM算法的E步是根据上次迭代的参数求Q函数CEM算法的M步是最小化Q函数,将最优参数作为迭代后的新参数DEM算法需重复执行E步和M步,直至收敛第8题下列关于混合概率模型的描述中,哪一项是错误的?()A高斯混合模型由多个正态分布混合而成的B高斯混合模型是连续型混合概率模型的代表C三硬币模型是离散型混合概率模型的代表D三硬币模型的硬币投掷过程是可观测的第9题下列关于均值聚类的描述中,哪一项是错误的?()A均值聚类是一种基于概率模型的聚类方法B均值聚类是一种基于距离的聚类方法C均值聚类中的指的是类别个数D均值聚类是一种无监督学习算法第10题下列关于均值聚类的描述中,哪一项是错误的?()A均值聚类中的是需要人工预设的超参数B均值聚类可通过可视化分析给出一个相对合理的值C根据数据实际分布动态调整值的方法被称为ISODATAD让个初始均值尽量靠近的均值聚类方法被称为-means++第11题下列关于DBSCAN聚类的描述中,哪一项是错误的?()ADBSCAN聚类是一种基于概率模型的聚类方法BDBSCAN聚类是一种基于样本密度的聚类方法CDBSCAN聚类认为同类的样本应集中分布在某个区域内DDBSCAN聚类认为不同类的样本应分布在不同区域,区域之间应该有间隙第12题在DBSCAN聚类中,若位于核心对象的邻域内,则称可由()。A密度直达B密度相连C密度连通D连通第13题与均值聚类相比，下列关于DBSCAN聚类的描述中错误的是()。A不需要指定值B需要指定两个阈值C除了能对当前数据集聚类之外,还能对其他新样本进行分类D可以对非凸样本集进行聚类第14题下列关于向量量化的描述中,哪一项是错误的?()A向量量化在聚类后将个簇的均值向量作为码本B均值向量中的每个均值被称作是一个码字C任给向量,向量量化将码本中距离最近的均值(或其编号)作为其编码D向量量化被广泛应用于向量数据的无失真压缩第15题下列关于均值聚类与向量量化的描述中,哪一项是错误的?()A均值聚类只关心训练集本身的聚类效果B均值聚类算法的目标是让类内方差最小,类间方差最大C向量量化算法关注的是编码效果D向量量化算法的目标是让类内方差最大,类间方差最小第6章章节测验第1题下列关于概率图模型的描述中,哪一项是错误的?()A可以用有向图或无向图来描述概率模型,这就是概率图模型B使用有向图(有环或无环均可)描述的概率模型被称作贝叶斯网C使用无向图(有环或无环均可)描述的概率模型被称作马尔可夫网D隐马尔可夫模型HMM属于有向图形式的贝叶斯网第2题给定随机变量和,其完整的概率模型应当()。AB和CP(X|Y)DP(Y|X)第3题对联合概率求和消元,下列哪个计算公式是正确的?()ABCDP(Y|X)=∑x∈<ΩXP(x,Y)第4题假设与相互独立(或称边缘独立),下列哪个式子是错误的?()ABP(X|Y)=P(X)CP(X,Y|Z)=P(X|Z)P(Y|Z)DP(Y|X)=P(Y)第5题下列关于生成式模型、判别式模型的描述中,错误的是()。A生成式模型指的是联合概率分布,例如、等B生成式模型可生成样本或导出其他概率分布(例如边缘概率、条件概率等)C判别式模型指的是某个特定的条件概率分布(或与其等价的判别函数)D朴素贝叶斯分类器和逻辑斯谛回归分类器都属于判别式模型第6题在贝叶斯网中,结点的马尔可夫覆盖不包含结点的哪种结点?()A父结点B子结点C子结点的父结点D子结点的子结点第7题对贝叶斯网进行精确推理的算法不包括()。A求和消元法B和-积消元算法C信念传播算法D蒙特卡罗仿真第8题应用蒙特卡罗仿真方法求解问题的过程不包括()。A构造与待求解问题等价的概率模型B按照概率模型(即概率分布)进行模拟采样C通过样本统计量求得问题的近似解D构建具有唯一平稳分布的马尔可夫链第9题应用蒙特卡罗仿真对贝叶斯网做近似推理,其三种采样算法应不包括()。A直接采样B吉布斯采样CMH采样D轮盘赌采样第10题下列关于马尔可夫链的描述中,错误的是()。A马尔可夫链中的随机变量均为离散型B马尔可夫链中各随机变量的值域相同C马尔可夫链中各随机变量仅条件依赖于其前一个变量D齐次马尔可夫链指的是条件概率P(Xt+1|Xt)随时间变化第11题马尔可夫链的三个要素中不包括()。A状态空间B状态转移矩阵C状态观测矩阵D初始概率分布第12题下列关于平稳马尔可夫链的描述中,错误的是()。A任给初始分布,它都能唯一收敛至平稳分布B其状态空间存在概率分布,使得C其状态转移概率P(Xt+1|Xt)不随时间变化D必定收敛但平稳分布可能有多个第13题构建平稳马尔科夫链且唯一收敛至给定分布的充分条件不包括()。A满足细致平稳条件B满足平稳分布条件C状态可遍历D状态观测概率不随时间变化第14题使用MCMC采样算法对联合概率分布进行采样,所采集的样本数据集通常不会用于()。A估计联合概率分布的参数B对联合概率分布做近似推理,估计其边缘概率或条件概率C估计某个函数在概率分布上的数学期望D估计某个函数的最优值(或最优解)第15题下列关于组合优化问题的描述中,哪一项是错误的?()A如果解空间是离散且有限的,则最优化问题被称为组合优化问题B理论上,穷举法(或称状态空间搜索)无法求得组合优化问题的最优解CMCMC最优化算法是一种能在较低复杂度下求得组合优化问题近似解的方法D连续解空间的最优化问题可通过离散化将其转成组合优化问题第16题下列关于MCMC互评算法的描述中,哪一项是错误的?()A互评过程是一个成员权重间相互依赖的递归过程B互评过程可以看作一个随机变量随时间变化的马尔可夫链C对于多个成员组成的集体,可使用HMM作为其互评模型D网页排名借鉴了学术论文依被引用次数来评判学术价值的思想第17题下列关于隐马尔可夫模型HMM的描述中,哪一项是错误的?()AHMM描述的是一种联合概率分布模型,也即生成式模型BHMM包含一组随时间变化且不可观测的状态变量CHMM包含一组对状态变量的观测变量DHMM的状态转移概率与观测概率均随时间变化而变化第18题隐马尔可夫模型HMM的三个基本问题中不包括()。A评估问题B解码问题C学习问题D互评问题第19题下列关于无向图概率模型的描述中,哪一项是错误的?()A无向图概率模型被称作马尔可夫网B马尔可夫网的无向图中不能有环路C马尔可夫随机场属于马尔可夫网D条件随机场属于马尔可夫网第20题下列关于马尔可夫随机场MRF的描述中,哪一项是错误的?()AMRF具有局部、全局和成对马尔可夫性BMRF的局部、全局和成对马尔可夫性不是完全等价的CMRF的概率分布是吉布斯分布D具有吉布斯分布的无向图模型是MRF第7章章节测验第1题下列哪一项不属于神经元的基本功能?()A接受信息B整合信息C输出信息D显示信息第2题下列关于感知机的描述中,错误的是()。A感知机在本质上就是一个M-P神经元模型B感知机模型是基于Hebb学习规则设计学习算法的C感知机模型可应用于图像分类问题D感知机模型可应用于非线性可分的分类问题第3题实际应用中,下列哪个函数不属于常用激活函数?()A阶跃函数Bsigmoid函数CReLU函数Dtanh函数第4题如果使用sigmoid激活函数,则M-P神经元模型就相当于是一个()。A线性支持向量机模型B逻辑斯谛回归模型C线性回归模型D朴素贝叶斯模型第5题基于小批量梯度下降法设计学习算法,其算法代码的三重循环结构中不包括()。A代次循环B批次循环C训练集循环D梯度下降循环第6题下列关于多层前馈神经网络的描述中,错误的是()。A多层前馈神经网络将神经元划分成层B多层前馈神经网络的层与层之间串行堆叠C相邻层神经元之间全连接,同层或跨层神经元之间无连接D多层前馈神经网络中可能存在环或回路第7题假设隐层包含个神经元并接受个输入,则隐层共有多少个权重参数?()A个B个C个D个第8题下列关于神经网络模型复杂度的描述中,错误的是()。A可以添加隐层来提高神经网络的模型复杂度B可增加隐层神经元数量来提高神经网络的模型复杂度C可以增加输出层神经元数量来提高神经网络的模型复杂度D能够直观便捷地调节模型复杂度,这是神经网络的突出优点第9题下列关于深度学习的描述中,错误的是()。A当隐层超过一定数量时,神经网络就可称作是深度学习模型B基于神经网络可以非常方便地构造深度学习模型C深度学习模型可以采用非全连接层以减少参数个数D深度学习模型的网络结构中不允许存在环或回路第10题下列哪种算法不属于深度学习模型常用的学习算法?()A梯度下降法B带动量的梯度下降法CAdam算法D信念传播算法第11题在深度学习模型中,下列哪种方法对解决梯度消失或爆炸问题无效?()A将隐层的sigmoid激活函数改为ReLU函数B合理初始化权重参数,例如使用截断正态分布来初始化权重参数C批次标准化,即对隐层输出按批次先做标准化,然后再传给下一层D采样正则化技术,即在损失函数中引入正则化项第12题TensorFlow2机器学习框架的核心功能不包括()。A张量及其运算B计算图与自动微分CKeras高层接口Dndarray数组第13题TensorFlow2机器学习框架中的变张量类是()。ATensor类BVariable类CGraph类DGradientTape类第14题Keras高层接口中的全连接网络层类是()。ADense类BLayer类CModel类DSequential类第15题Keras高层接口中配置模型的方法是()。A调用模型的compile()函数B调用模型的fit()函数C调用模型的evaluate()函数D调用模型的predict()函数第8章章节测验第1题下列哪种模型不属于典型的深度学习模型?()ACNNBRNNCVAEDk-means第2题下列关于卷积神经网络的描述中,错误的是?()A卷积神经网络具有前馈式结构B卷积神经网络因包含卷积运算而得名C卷积层与全连接层的区别在于局部连接和权值共享D卷积神经网络中不能含有全连接层第3题下列哪种思想或技术与深度学习无关?()AReLUBDropoutCGPUDSVM第4题下列关于序列