以下说法中正确的是()
A.SVM对噪声(如来自其他分布的噪声样本)鲁棒
B.给定n个数据点,如果其中一半用于训练,一般用于测试,则训练误差和测试误差之间的差别会随着n的增加而减少
C.Boosting和Bagging都是组合多个分类器投票的方法,二者都是根据单个分类器的正确率决定其权重
D.在AdaBoost算法中,所有被分错的样本的权重更新比例相同
A.SVM对噪声(如来自其他分布的噪声样本)鲁棒
B.给定n个数据点,如果其中一半用于训练,一般用于测试,则训练误差和测试误差之间的差别会随着n的增加而减少
C.Boosting和Bagging都是组合多个分类器投票的方法,二者都是根据单个分类器的正确率决定其权重
D.在AdaBoost算法中,所有被分错的样本的权重更新比例相同
A.易于理解和解释,可以可视化分析,可观察学习过程,容易提取出规则
B.并行分布处理能力强,分布存储及学习能力强
C.具备联想记忆的功能,能充分逼近复杂的非线性关系
D.对噪声神经有较强的鲁棒性和容错能力
A.该工人脱离噪声环境一段时间,听力可恢复到原来水平
B.该工人如果不能脱离噪声环境,可造成听觉适应
C.除了听觉系统损害,噪声对该工人不会造成其他损伤
D.该工人在工作环境中接触到的噪声,其强度和频率是有规律的
A.当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处理。
B.混合模型比K均值或模糊c均值更一般,因为它可以使用各种类型的分布。
C.混合模型很难发现不同大小和椭球形状的簇。
D.混合模型在有噪声和离群点时不会存在问题
A.DAE中假设所有含噪样本的损坏过程一致
B.DAE训练时需要保证训练数据的完整性
C.DAE的Loss函数用于最小化预测结果与噪声数据间的误差
D.DAE一般以含噪声数据作为输入,并输出重构的去噪数据
A.KNN,K最近邻算法
B.神经网络(NeuralNet)
C.支持向量机SVM
D.决策树(DecisionTree)
A.观测模型一般为信号加噪声
B.常用信号为未知常数、延迟信号、正弦型信号
C.常见的噪声为高斯白噪声
D.所谓估计就是给定观测后按一定的最佳准则求取未知参数
A.给出评价范围内的声环境功能区及其划分情况,以及现有敏感目标的分布情况
B.分析评价范围内现有主要声源种类、数量及相应的噪声级、噪声特性等
C.按统一声环境功能区类别评价各敏感目标的超、达标情况
D.给出噪声超标范围内的人口数及分布情况