题目内容
（请给出正确答案）
[单选题]
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（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
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.145
B.123
C.1345
D.所有项目都有用
如果结果不匹配，请 联系老师 获取答案
更多“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…”相关的问题
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
