在一个神经网络中，下面哪种方法可以用来处理过拟合（)

A.Dropout

B.分批归一化（BatchNormalization）

C.正则化（regularization）

D.都可以

A.Dropout

B.分批归一化（BatchNormalization）

C.正则化（regularization）

D.都可以

A.把除了最后一层外所有的层都冻住，重新训练最后一层

B.对新数据重新训练整个模型

C.只对最后几层进行调参(finetune)

D.对每一层模型进行评估，选择其中的少数来用

A.卡方拟合优度

B.一个总体均值的假设检验

C.一个总体方差的假设检验

D.以上都不正确

下面哪种分类方法是属于神经网络学习算法？()

A 判定树归纳

B 贝叶斯分类

C 后向传播分类

D 基于案例的推理

A．编辑中的“复原删除的角色”

B．在代码区右键点击，选择“撤销”

C．不能找回，只能重新编写

D．在代码区右键点击，选择“重做”

A.循环神经网络

B.全连接神经网络

C.卷积神经网络

D.生成对抗网络

A.循环神经网络

B.全连接神经网络

C.卷积神经网络

D.生成对抗网络

A.逻辑回归

B.偏最小二乘回归

C.神经网络

D.决策树

A.如果参数较多，则容易导致过拟合。而减少参数有助于避免过拟合

B.参数共享的优势是通过一个任务上学习到的参数可以直接应用到另外一个任务上

C.可以允许一个特征检测器在整个输入图像的不同位置使用，即可以把参数看成是卷积提取特征的方式，该方式与位置无关

D.参数越多，才能避免过拟合，减少参数容易导致过拟合