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(dataaugmentation)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
A.梯度方向是函数值下降最快方向
B.梯度下降算法是一种使得损失函数最小化的方法
C.梯度下降算法用来优化深度学习模型的参数
D.梯度反方向是函数值下降最快方向
A.EM算法是常用的估计参数隐变量的利器
B.EM算法即是期望最大化算法
C.EM算法常被用来学习高斯混合模型的参数
D.EM算法是一种迭代式的方法
A.人工智能指的是真正能思考、有知觉、有自我意识的人类级别的智能机器
B.阿尔法围棋的核心系统属于基于神经网络的深度学习,过大量数据分析学习棋谱,再通过增强学习的方法自我博弈,寻找比基础棋谱更多的打击点来击败对手
C.人工智能、机器学习与深度学习是相对独立的,它们之间没有必然的联系
D.神经网络是目前人工智能领域的研究热点之一,是一种模拟动物神经网络行为特征,进行并行信息处理的算法模型
A.两者都是监督学习的方法
B.多项逻辑斯蒂回归模型也被称为softmax函数
C.两者都可被用来完成多类分类任务
D.逻辑斯帝回归是监督学习,多项逻辑斯蒂回归模型是非监督学习
A.目标检测常使用深度学习中卷积神经网络模型
B.训练好的目标检测算法可以用于边缘计算
C.机器视觉场景往往需要应用边缘计算
D.边缘计算就是一种人工智能