下面对Alpha-Beta剪枝搜索描述不正确的是()
A.与minimax搜索算法相比,可减少所搜索的搜索树节点数
B.是一种对抗搜索
C.搜索树中节点的位置先后次序不会影响搜索效率
D.被剪枝的节点不会影响搜索结果
- · 有4位网友选择 B,占比50%
- · 有2位网友选择 C,占比25%
- · 有1位网友选择 D,占比12.5%
- · 有1位网友选择 A,占比12.5%
A.与minimax搜索算法相比,可减少所搜索的搜索树节点数
B.是一种对抗搜索
C.搜索树中节点的位置先后次序不会影响搜索效率
D.被剪枝的节点不会影响搜索结果
B、数据越详细,粒度就越小,级别也就越高
C、数据综合度越高,粒度也就越大,级别也就越高
D、粒度的具体划分将直接影响数据仓库中的数据量以及查询质量
B、OSPF没有RIP古老
C、RIP和OSPF都是内部网关协议
D、OSPF使用了跳跃数作为路由距离,而RIP使用了最优路径
B.黏膜为单层柱状上皮
C.C固有膜内有单管状肌胃腺,能分泌胃液
D.肌胃腺和上皮分泌物与脱落的上皮细胞在酸性环境中形成肫皮
E.肫皮对胃黏膜有保护作用
A、期望风险指模型关于联合分布期望损失,经验风险指模型关于训练样本集平均损失
B、在有监督学习的训练过程中,经验风险小和期望风险大被称为欠学习
C、在有监督学习的训练过程中,经验风险大和期望风险大被称为过学习
D、经验风险指模型关于联合分布期望损失,期望风险指模型关于训练样本集平均损失
A、主成份分析方法是一种保证数据被投影后方差最大的特征降维方法
B、在主成份分析的降维过程中,尽可能将数据向方差最大方向进行投影,使得数据所蕴含信息没有丢失,彰显个性
C、特征人脸方法是一种应用主成份分析来实现人脸图像降维的方法,其本质是用一种称为“特征人脸(eigenface)”的特征向量按照线性组合形式来表达每一张原始人脸图像,进而实现人脸识别
D、假设原始灰度人脸图像维度是n*n,则特征人脸的维度是其一半
A、线性回归可用来分析不同变量之间存在的线性关系
B、线性回归可用来进行分析预测,即给定一个变量的取值,去预测另外一个变量的取值
C、线性回归模型的训练是一种非监督学习方法
D、线性回归模型的训练优化目标是最小化残差平方和的均值
A、卷积操作利用了图像中像素点存在空间相关性的特点
B、高斯卷积操作的结果是使得图像变得平滑(模糊)
C、卷积矩阵中的参数是手工事先指定的、且每幅图像之间不共享
D、卷积操作结果可认为是保留了像素点所构成的特定空间分布模式
A、提升算法将若干个弱分类器(weak classifiers)组合起来,形成一个强分类器(strong classifier)
B、提升算法基于概率近似正确 (probably approximately correct, PAC)理论,即如果已经发现了“弱学习算法”,可将其提升(boosting)为“强学习算法”
C、提升算法在每一轮迭代学习中均会更改每个数据的权重
D、提升算法在每一轮迭代学习中均会更改每个弱分类器的权重
A、在每一步中,当位于当前状态时,总是采取一个动作,使得采取该动作后,在未来可获得反馈值的最大期望。
B、在每一步中,当位于当前状态时,总是采取一个动作,使得采取该动作后,马上获得最大反馈值
C、在每一步中,当位于当前状态时,总是随机采取一个动作
D、在每一步中,当位于当前状态时,总是采取一个动作,使得采取该动作后,在到达终止状态时,该终止状态可获得最大期望。
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!