A.構(gòu)建相似度矩陣
B.計算拉普拉斯矩陣
C.對拉普拉斯矩陣進行特征分解
D.使用K-means 對特征向量進行聚類
您可能感興趣的試卷
你可能感興趣的試題
A.沒有影響
B.可能導(dǎo)致局部最優(yōu)解
C.一定導(dǎo)致全局最優(yōu)解
D.使算法收斂速度更快
A.因為LSTM 能夠更好地捕獲長期依賴關(guān)系
B.因為LSTM 的計算速度更快
C.因為LSTM 的模型結(jié)構(gòu)更簡單
D.因為LSTM 不需要反向傳播算法
A.輸入層之前的層
B.輸出層之前的層
C.輸入層和輸出層之間的層
D.輸出層之后的層
A.通過跳躍連接緩解梯度消失問題
B.通過增加深度提高性能
C.通過減少參數(shù)數(shù)量防止過擬合
D.通過改變激活函數(shù)提高性能
A.BERT 考慮了單詞之間的順序關(guān)系。
B.ERT 是一個靜態(tài)的詞嵌入模型。
C.BERT 不能用于下游任務(wù)。
D.BERT 不依賴于預(yù)訓(xùn)練階段。
最新試題
人工智能發(fā)展的早期階段主要側(cè)重于哪方面的研究()?
反向傳播算法和梯度下降算法在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的關(guān)系是什么()?
人工智能中的“序列到序列”模型主要用于處理什么類型的數(shù)據(jù)()?
在自然語言處理任務(wù)中,哪些技術(shù)適用于提升文本分類的性能()?
在自然語言處理中,哪些方法可以用于提升自動對話系統(tǒng)和文本摘要生成的自然性和流暢性()?
在機器學(xué)習(xí)中,核技巧(KernelTrick)主要用于解決什么問題()?
在自然語言處理中,哪些方法可以用于提升自動文本摘要的生成效果()?
在自然語言處理任務(wù)中,哪些技術(shù)適用于改善實體識別和關(guān)系抽取的效果()?
模型微調(diào)中的提示學(xué)習(xí)是指:()。
屬性值約束主要有()。