在监督学习任务中，使用一个神经网络A数据进行分类，假设类的数量是2，则该神经网络输出层中的神经元的数量为2。（）

A.同一层神经元之间的连接权重

B.相邻层神经元和神经元之间的连接权重

C.神经元和神经元之间连接有无

D.输入数据大小

A.模仿生物神经网络，用大量人工神经元模拟

B.有记忆、学习、容错能力

C.预测根据明确

D.对真实数据的预测准确性差

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.加入更多层，使神经网络的深度增加

B.有维度更高的数据

C.当这是一个图形识别的问题时

D.以上都不正确

A.没有任何问题，神经网络模型将正常训练

B.神经网络模型可以训练，但所有的神经元最终将识别同样的事情

C.神经网络模型不会进行训练，因为没有净梯度变化

D.这些均不会发生

A.卷积矩阵(卷积核)

B.网络层数

C.目标函数

D.输入端和输出端的维数

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.参数W

B.参数b

C.神经元个数

D.激励函数