转自：http://blog.csdn.net/luoweifu/article/details/12685169
一、简答题
1.深度神经网络目前有哪些成功的应用？简述原因。(10分)
2.列举不同进程共享数据的方式（至少三种）。(10分)
3.对于N个样本，每个样本为D维向量，采用欧式距离使用KNN做类预测。(10分)
1).给出预测时间复杂度。
2).当N很大时，有哪些方法可以降低复杂度？
3).k取值的大小对预测方差和偏差有何影响？
二、算法和程序设计
1.给出一个数据A=[a_0, a_1, a-2, ... a_n](其中n可变)，打印出该数值元素的所有组合。(15分)
2.有这样一个数组A,大小为n，相邻元素差的绝对值都是1，如A={4,5,6,5,6,7,8,9,10,9}。现在给定数组A和目标整数t，请找到t在数组中的位置。(15分)
3.在平面上有一组间距为d的平行线，将一根长度为l(l<d)的针任意掷在这个平面上，求此针与平行线中任意一根相交的概率，用高等数学(微积分、概率的方法)求解，基于布丰投针的结论，任选一种编程语言(C/C++, matlab, python, java)，写出模拟投针实验(程序中允许把一个理想的Pi作为常量使用)，求解圆周率。(15分)
三、系统设计题(两题中任选一题作答，25分)
2.关于K-means聚类算法，请回答以下问题：
1).写出将N个样本X=(x1, ... xN)聚类成k类的k_means聚类算法的优化目标；
2).描述K-means终止的常用条件；
3).以Kmeans算法为例，描述Expectation-Maximization(EM)算法的基本原理与步骤。
4).用伪代码给出基于MPI或者HADOOP的Kmeans并行算法。