一、簡(jiǎn)答題

1.深度神經(jīng)網(wǎng)絡(luò)目前有哪些成功的應(yīng)用？簡(jiǎn)述原因。(10分)

2.列舉不同進(jìn)程共享數(shù)據(jù)的方式（至少三種）。(10分)

3.對(duì)于N個(gè)樣本，每個(gè)樣本為D維向量，采用歐式距離使用KNN做類(lèi)預(yù)測(cè)。(10分)

1).給出預(yù)測(cè)時(shí)間復(fù)雜度。

2).當(dāng)N很大時(shí)，有哪些方法可以降低復(fù)雜度？

3).k取值的大小對(duì)預(yù)測(cè)方差和偏差有何影響？

二、算法和程序設(shè)計(jì)

1.給出一個(gè)數(shù)據(jù)A=[a_0, a_1, a-2, ... a_n](其中n可變)，打印出該數(shù)值元素的所有組合。(15分)

2.有這樣一個(gè)數(shù)組A,大小為n，相鄰元素差的絕對(duì)值都是1，如A={4,5,6,5,6,7,8,9,10,9}?，F(xiàn)在給定數(shù)組A和目標(biāo)整數(shù)t，請(qǐng)找到t在數(shù)組中的位置。(15分)

3.在平面上有一組間距為d的平行線，將一根長(zhǎng)度為l(l<d)的針任意擲在這個(gè)平面上，求此針與平行線中任意一根相交的概率，用高等數(shù)學(xué)(微積分、概率的方法)求解，基于布豐投針的結(jié)論，任選一種編程語(yǔ)言(C/C++, matlab, python, java)，寫(xiě)出模擬投針實(shí)驗(yàn)(程序中允許把一個(gè)理想的Pi作為常量使用)，求解圓周率。(15分)

三、系統(tǒng)設(shè)計(jì)題(兩題中任選一題作答，25分)

2.關(guān)于K-means聚類(lèi)算法，請(qǐng)回答以下問(wèn)題：

1).寫(xiě)出將N個(gè)樣本X=(x1, ... xN)聚類(lèi)成k類(lèi)的k_means聚類(lèi)算法的優(yōu)化目標(biāo)；

2).描述K-means終止的常用條件；

3).以Kmeans算法為例，描述Expectation-Maximization(EM)算法的基本原理與步驟。

4).用偽代碼給出基于MPI或者HADOOP的Kmeans并行算法。

轉(zhuǎn)自：http://blog.csdn.net/luoweifu/article/details/12685169

總結(jié)

以上是生活随笔為你收集整理的14年百度深度学习校招题目的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。