在神经网络中，以下哪种技术可以用于抑制过拟合？

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

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

A.数据量不充分

B.训练数据不匹配

C.训练过拟合

D.训练速度太慢

A.批大小

B.学习率

C.正则化参数

D.以上都是

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。