题目
A.Dropout
B.正则化
C.尽量增加选取特征变量的数量
D.尽可能选用复杂的模型
第1题
A.复杂的模型时容易发生欠拟合问题
B.神经网络不会出现过拟合问题
C.正则化方法可以减少过拟合问题
D.增加数据量不能减少过拟合问题
第3题
A.单纯增加卷积神经网络的深度不一定能获得比较好的性能
B.增加卷积神经网络每层卷积核的多样性可以改善网络的性能
C.采用小卷积的级联可以起到大卷积的作用,但减少了网络的参数和过拟合,因此可能获得较高的分类性能
D.卷积神经网络的特征图中的特征很容易归纳解释
第8题
A.学习率设置不当会引起神经网络过拟合。
B.学习率可以根据损失函数(代价函数)减少的快慢动态调整。
C.学习率太小会使神经网络的训练迅速达到极小值。
D.固定学习率设置太大可能会使神经网络训练震荡不收敛。
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!