下列关于梯度下降算法的说法中，错误的是__。A.批量梯度下降算法中，每次迭代都使用所有样本来计算偏导数B.Adam是小批量梯度下降算法的改进算法C.小批量梯度下降算法每次迭代的训练样本数固定不变D.随机梯度下降算法计算速度快，可以使模型快速收敛（）

A、梯度下降法作为机器学习中较常使用的优化算法，其有着三种不同的形式：批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）以及小批量梯度下降（Mini-Batch Gradient Descent）

B、批量梯度下降法是最原始的形式，它是指在每一次迭代时使用所有样本来进行梯度的更新

C、随机梯度下降法不同于批量梯度下降，是每次迭代使用一个样本来对参数进行更新

D、小批量梯度下降法是对批量梯度下降以及随机梯度下降的一个折中办法。更新参数时使用一部分训练样本。一般将训练样本集分成若干个batch，每个batch包含m个样本。每次更新都利用一个batch的数据，而非整个训练集

A、对比散度算法采用无监督学习规则

B、对比散度算法中隐层也被称为特征提取器

C、随机梯度下降法迭代修正权向量和偏置量一次就能取得较好结果

D、多层同时完成在玻尔兹曼机中的预训练

A、在感知器算法中的学习率是可以改变的

B、在感知器算法中可以通过调整学习率p来减少迭代次数。

C、在感知器算法中，如果样本不是线性可分的，则算法最后不会收敛。

D、感知器算法也适用于线性不可分的样本

A、梯度下降是利用一阶的梯度信息找到代价函数局部最优解的一种方法

B、通常会先初始化一组参数值, 在这个值之上，用梯度下降法去求出下一组的值。由于是梯度下降的，所以损失函数的值在下降。当迭代到一定程度， 损失函数取值趋于稳定，此时的参数取值即为要求得的值

C、学习速率的选取很关键，如果学习速率取值过大，容易达不到极值点甚至会发散，学习速率太小容易导致收敛时间过长

D、其中的学习速率是模型参数，而不是超参数

A、迭代法利用问题本身的递推关系求解问题的一种方法，例如利用迭代法可求高次方程的精确解。

B、枚举法的基本思想是采用搜索的方法，在答案的大致范围中对所有情况逐一验证，直到所有情况验证完毕。

C、选择排序是每次在无序数中找最小（或最大）数的下标，然后存放在无序数的第一个位置。

D、冒泡排序在每一轮排序时将相邻两个数组元素进行比较，次序不对时立即交换位置。

A、它是一种不断用变量的旧值递推新值的过程

B、它是一种编程技术方法

C、它利用计算机速度快、适合做重复性操作的特点

D、它运用了穷举的思想

B、LS算法收敛速度为O(n^2) ，DV中可能会出现路由环路或无穷迭代问题

C、LS中路由表计算是独立的，有一定健壮性，DV中错误计算容易被传播

D、RIP协议中使用的是LS算法，OSPF协议中使用的是DV算法

A、列表循环模块是对列表中每一个元素进行循环迭代的模块

B、对列表中每一个元素依次进行循环执行的过程叫做对列表元素的遍历

C、当列表元素个数有限时，使用列表循环模块是不太可能写成死循环的

D、在Blockly中，实现遍历列表的操作只能通过列表循环模块实现