![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
在神经网络中,以下哪种技术用于解决过拟合()。
A.减少网络容量
B.添加权重正则化
C.添加dropout
D.以上都是
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.减少网络容量
B.添加权重正则化
C.添加dropout
D.以上都是
A.增加训练集量
B.减少神经网络隐藏层节点数
C.删除稀疏的特征
D.SVM算法中使用高斯核/RBF核代替线性核
A.Dropout
B.分批归一化(BatchNormalization)
C.正则化(regularization)
D.都可以
A.Dropout背后的思想其实就是把DNN当做一个集成模型来训练,之后取所有值的平均值,而不只是训练单个DNN
B.DNN网络将Dropout率设置为p,也就是说,一个神经元被保留的概率是1-p。当一个神经元被丢弃时,无论输入或者相关的参数是什么,它的输出值就会被设置为0
C.丢弃的神经元在训练阶段,对BP算法的前向和后向阶段都没有贡献。因为这个原因,所以每一次训练,它都像是在训练一个新的网络
D.Dropout方法通常和L2正则化或者其他参数约束技术(比如MaxNorm)一起使用,来防止神经网络的过拟合
A.标准BP算法每次仅针对一个训练样例更新连接权和阈值
B.BP神经网络经常遭遇过拟合
C.早停策略可用来缓解BP网络的过拟合问题
D.晚停策略可用来缓解BP网络的欠拟合问题
下列的哪种方法可以用来降低深度学习模型的过拟合问题()?1增加更多的数据;2使用数据扩增技术;3使用归纳性更好的架构;4正规化数据;5降低架构的复杂度
A.145
B.123
C.1345
D.所有项目都有用
A.145
B.123
C.1345
D.所有项目都有用