标签：and dnn 图像 ble 消失 相关 err filter 解决
1、什么是boosting tree
2、GBDT
3、L1和L2正则为何可以减弱over-fitting，L1和L2正则有什么区别？
4、KNN和LR有什么本质区别
5、怎么理解Dropout
6、为什么random forest具有特征选择的功能？
7、random forest有哪些重要的参数？
8、DNN为什么功能强大，说说你的理解
9、SVM的损失函数是什么？怎么理解
10、介绍下Maxout
11、项目中over-fitting了，你怎么办
12、详细说一个你知道的优化算法(Adam等)
13、项目(比赛）怎么做的模型的ensemble
14、stacking是什么？需要注意哪些问题
15、了解哪些online learning的算法
16、如何解决样本不均衡的问题
17、fasterRCNN中的ROIPooling是如何实现的
18、如何进行特征的选择
19、如何进行模型的选择
20、什么是梯度消失？怎么解决
21、常用的有哪些损失函数
22、假设一个5*5的filter与图像卷积，如何降低计算量？
23、做过模型压缩吗？介绍下
24、什么是residual learning？说说你的理解
25、residual learning所说的residual和GBDT中的residual有什么区别？
26、FFM和FTRL有过了解吗？
标签：and dnn 图像 ble 消失 相关 err filter 解决
原文地址：http://www.cnblogs.com/ljygoodgoodstudydaydayup/p/7236874.html
