老师:gongyongshun
一、填空题(3*5分)
1、知识来源于人们对客观世界运动规律的正确认识,但虽然都是正确认知,在客观环 境变化或不同条件下,知识的正确性就要接受检验,必要时需要对原有的知识加以 修正或补充。体现了知识的相对正确性
2、GRU的两个门___,___
3、算一个向量的L0范数和L1范数___,___
二、简答题(5*4)
1、实体识别的作用,给了一段文字,用BIO标注
2、RNN为什么会梯度爆炸和梯度消失
3、语义网络的节点和边的定义,优缺点
4、图表示学习的目标和图表示的作用
三、简答题(10*4)
1、Multi-view auto-encoder的基本思路和公式
2、简述softmax,A^,RELU,W0,W1。说明A^XW0的作用
3、(1)Laplacian eigenmaps的目标函数(2)直接写出化简后的矩阵形式(3)推导Laplacian eigenmaps 化简过程
4、Apriori-all的五个步骤
四、分析设计(7+8+10)
1、Multi-NMF的目标函数
2、从多视图关系中得到一个图G,权重矩阵为W,利用Laplacian eigenmaps写出多视图和图表示的联合目标优化函数
3、如果视图X有缺失值,p为标记缺失值的0,1矩阵,请分析如何处理缺失值或直接写出目标函数并分析什么缺失值在什么时候,矩阵分解不可用。
总结:感觉考试范围有点奇怪,特征选择、稀疏表示、知识图谱考的很少或基本没有考,第一章问了个数据的相对正确性,考试集中在多视图表示和图表示学习。