题目内容
（请给出正确答案）
[单选题]
减少神经网络过拟合的说法，以下哪些是错误的（)？
A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合
B.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合
C.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量
D.通过增加数据扰动的数据增强减少了神经网络的过拟合
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.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合
B.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合
C.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量
D.通过增加数据扰动的数据增强减少了神经网络的过拟合
如果结果不匹配，请 联系老师 获取答案
更多“减少神经网络过拟合的说法，以下哪些是错误的()?”相关的问题
A.正则化：L1、L2正则化，为拟合增加条件约束
B.丢弃一些不能帮助我们正确预测的特征
C.保留所有的特征，但是减少参数的大小
D.构建更为复杂的模型
A.隐藏层数适当诚少,神经网络的分辨能力不变
B.隐藏层数适当增加,神经网络的分辨能力越弱
C.隐藏层数适当增加，神经网络的分辨能力越强
D.隐藏层数适当减少,神经网络的分辨能力越强
A.模型学习到了样本的一般性质
B.学习迭代次数过多
C.训练集数量级和模型复杂度不匹配，训练集的数量级小于模型的复杂度
D.训练集和测试集特征分布不一致
A.单层感知器的局限在于不能解决异或问题
B.前馈神经网络可用有向无环图表示
C.随着神经网络隐藏层数的增加,模型的分类能力逐步减弱
D.前馈神经网络同一层的神经元之间不存在联系
