iPAS AI應用規劃師(中級)科目3_ L23102 線性代數之機器學習基礎應用(1)

/ iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 中級, 測驗題庫 / 作者:

iPAS AI應用規劃師(中級)科目3_ L23102 線性代數之機器學習基礎應用(1) 模擬試題，採智能選題，無限次反覆練習。

1. 
線性回歸中，殘差向量e與擬合值ŷ的關係是：

2. 
在多工學習(multi-task learning)中，任務間共享結構通常通過以下哪種矩陣性質實現？

3. 
對於矩陣A的Moore-Penrose偽逆A^+，以下哪個性質是錯誤的？

4. 
在低秩矩陣完成問題中，核範數(nuclear norm)等於：

5. 
在變分推理中，變分參數的自然梯度涉及：

6. 
矩陣的Frobenius範數定義為：

7. 
在因果推理的結構方程模型中，鄰接矩陣的非循環性通過以下條件保證：

8. 
在量子機器學習中，量子狀態的密度矩陣必須滿足：

9. 
在流形學習中，局部線性嵌入(LLE)的重構矩陣W滿足：

10. 
矩陣的條件數用於衡量：

11. 
對於隨機投影矩陣R，Johnson-Lindenstrauss引理保證距離保持的條件是：

12. 
在機器學習中，特徵工程的線性變換包括：

13. 
單位矩陣 I 的特性是：

14. 
在持續學習中，防止災難性遺忘的彈性權重整合(EWC)方法使用：

15. 
線性回歸的正規方程式為：

16. 
在機器學習中，特徵向量通常表示為：

17. 
對於張量網路分解，矩陣乘積狀態(MPS)的鍵維度(bond dimension)控制：

18. 
在PCA中，第一主成分的方向是：

19. 
對於非負矩陣分解(NMF)，以下哪個陳述是錯誤的？

20. 
矩陣 A 可對角化的充要條件是：


相關文章

error: Content is protected !!
返回頂端