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)

發佈留言 / 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. 
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：

2. 
批次標準化（Batch Normalization）的主要目的是：

3. 
在深度學習中，權重矩陣的奇異值分佈與以下哪個現象密切相關？

4. 
SVD在推薦系統中的主要應用是：

5. 
單位矩陣 I 的特性是：

6. 
對稱矩陣的重要性質是：

7. 
線性回歸的正規方程式為：

8. 
正交矩陣 Q 滿足：

9. 
矩陣的Frobenius範數定義為：

10. 
對於多模態學習，典型相關分析(CCA)的目標是找到：

11. 
核空間（Null Space）Ker(A) 是指：

12. 
在張量分解中，CANDECOMP/PARAFAC(CP)分解的主要限制是：

13. 
在元學習(meta-learning)中，模型無關的元學習(MAML)的二階導數涉及：

14. 
PCA中，累積解釋變異數比例用於：

15. 
在聚類分析中，歐氏距離的計算公式為：

16. 
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？

17. 
在隨機梯度下降中，海塞矩陣(Hessian)的條件數影響：

18. 
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：

19. 
在核嶺回歸中，核矩陣的特徵值衰減速度決定：

20. 
在核主成分分析(Kernel PCA)中，核矩陣K必須滿足：


error: Content is protected !!
返回頂端