一、簡答題

1.深度神經網絡目前有哪些成功的應用？簡述原因。(10分)

2.列舉不同進程共享數據的方式（至少三種）。(10分)

3.對于N個樣本，每個樣本為D維向量，采用歐式距離使用KNN做類預測。(10分)

1).給出預測時間復雜度。

2).當N很大時，有哪些方法可以降低復雜度？

3).k取值的大小對預測方差和偏差有何影響？

二、算法和程序設計

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

2.有這樣一個數組A,大小為n，相鄰元素差的絕對值都是1，如A={4,5,6,5,6,7,8,9,10,9}。現在給定數組A和目標整數t，請找到t在數組中的位置。(15分)

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

三、系統設計題(兩題中任選一題作答，25分)

2.關于K-means聚類算法，請回答以下問題：

1).寫出將N個樣本X=(x1, ... xN)聚類成k類的k_means聚類算法的優化目標；

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。

轉自：http://blog.csdn.net/luoweifu/article/details/12685169

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。