题目内容
（请给出正确答案）
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
如搜索结果不匹配，请 联系老师 获取答案
更多“减少神经网络过拟合的说法，以下哪些是错误的()?”相关的问题
第1题
A.为了防止过拟合可以使用L1或L2正则化
B.为了防止过拟合可以使用提前终止训练的方法
C.为了防止过拟合可以使用Dropout
D.训练过程中的损失值越小，其在存过拟合的风险越低
第5题
A.BN主要解决深度神经网络各层输入的分布一致，增加训练过程的平衡
B.BN可以减少每个隐层神经元梯度的变化幅度
C.BN起到了减少过拟合的作用
D.BN一般位于隐层神经元的激活函数输出之后
第7题
A.卷积层与池化层是一一配对的
B.多个3X3小卷积的级联效果与5X5和7X7的大卷积核功能相仿
C.使用了dropout减少过拟合
D.使用不同数量的卷积核拼成模块，同一模块特征图的尺寸不变
第10题
A.权重衰减通过赋予神经元某个权值从而避免梯度消失
B.当数据集中有噪声时，权重衰减可以在训练中逐渐修正神经网络的权重
C.权重衰减是一种正则化技术，通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制
D.权重衰减是在训练过程中逐渐减少学习率
为了保护您的账号安全，请在“上学吧”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！
微信搜一搜
上学吧
微信搜一搜
上学吧
