未来教育计算机二级vb,2019年3月计算机二级VB考试巩固试题及答案016

2019年3月计算机二级VB考试巩固试题及答案016

浏览次数:     时间:2019/03/19

(1)以下说法中正确的是

A.任何时候都可以用Ctrl+E键打开菜单编辑器

B.只有当某个窗体为当前活动窗体时,才能打开菜单编辑器

C.只有当代码窗口为当前活动窗口时,才能打开菜单编辑器

D.任何时候都可以用标准工具栏的”菜单编辑器”按钮打开菜单编辑器

【答案】B

(2)如果一个顶级菜单项的访问键为D,则以下等同于单击该菜单项的操作为

A.按Ctrl+D键

B.按Ah+D键

C.按D键

D.按Shift+D键

【答案】B

(3)下列关于菜单项的描述中,错误的是

A.通过内缩符号(…)设置菜单项的层次

B.通过Enabled属性设置菜单项的有效性

C.菜单项的索引号可以不连续

D.菜单项的索引号必须从l开始

【答案】D

(4)为了显示弹出式菜单,要使用

A.窗体的PopupMenu方法

B.窗体的OpenMenu方法

C.菜单的PopupMenu方法

D.菜单的OpenMenu方法

【答案】A

(5)下面关于菜单的叙述中正确的是

A.为了使得选中一个菜单项就可以执行某种操作,要为它的Click事件过程编写执行该操作的代码

B.同一级菜单中的菜单项不能同名,但不同级菜单中的菜单项可以同名

C.只能使用鼠标右键把弹出式菜单弹出来

D.弹出式菜单中的菜单项不能再有自己的子菜单

【答案】A

(6)通用对话框Filter属性的作用是

A.设置对话框的标题

B.指定对话框所选择的文件名

C.指定对话框的打开方式

D.指定对话框中显示的文件类型

【答案】D

(7)利用通用对话框控件打开字体对话框的操作是

A.把通用对话框控件的Action属性设置为4

B.把通用对话框控件的Action属性设置为5

C.调用通用对话框控件的0penFont方法

D.调用通用对话框控件的ShowText方法

【答案】A

(8)在窗体上画一个通用对话框,其名称为CommonDi-alogl,则下列与CommonDialog1.ShowOpen方法等效的语句是()。

A.CommonDialogj.Action=1

B.CommonDialog1.Action=2

C.CommonDialog1.Action=3

D.CommonDialog1.Action=4

【答案】A

(9)下列事件的事件过程中,参数是输入字符ASCIl码的是

A.KeyDown事件

B.KeyUp事件

C.KeyPress事件

D.Change事件

【答案】C

(10)以下说法中正确的是

A.当焦点在某个控件上时,按下一个字母键,就会执行该控件的KeyPress事件过程

B.因为窗体不接受焦点,所以窗体不存在自己的Key-Press事件过程

C.若按下的键相同,KeyPress事件过程中的KeyAscii参数与KeyDown事件过程中的KeyCode参数的值也相同

D.在KeyPress事件过程中,KeyAscii参数可以省略

【答案】A

温馨提示:因考试政策、内容不断变化与调整,本网站提供的以上信息仅供参考,如有异议,请考生以权威部门公布的内容为准!

上一篇:2019年3月计算机二级VB考试巩固试题及答案017

下一篇:2019年3月计算机二级VB考试巩固试题及答案015

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值