常用的神经网络优化方法（避免过拟合，提高模型泛化性)有哪些（)。

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

A.增加学习率

B.L2正则化

C.dropout

D.提前终止

A.Dropout

B.正则化

C.批规范化

D.所有

A.drop-out

B.正则化

C.加入更多的神经元

D.减少神经元数量

A.A.Dropout

B.B.正则化

C.C.批规范化

D.D.以上所有

A.正则化过低且模型过度拟合

B.正则化过高，模型不适合

C.步长太大

D.步长太小

A.欠拟合

B.模型很棒

C.过拟合

A.获取更多训练数据

B.减少网络容量

C.添加权重正规化

D.添加dropout