首页 > 计算机类考试

网友您好，请在下方输入框内输入要搜索的题目：

请输入或粘贴题目内容搜题

搜题

拍照、语音搜题，请扫码下载APP

题目内容（请给出正确答案）

[单选题]

在神经网络中，以下哪种技术用于解决过拟合（）。

A.减少网络容量

B.添加权重正则化

C.添加dropout

D.以上都是

答案

查看答案

发布时间：2023-01-23

更多“在神经网络中，以下哪种技术用于解决过拟合（）。”相关的问题

第1题

在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题（）。

A.增加训练集量

B.减少神经网络隐藏层节点数

C.删除稀疏的特征

D.SVM算法中使用高斯核/RBF核代替线性核

点击查看答案

第2题

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

点击查看答案

第3题

关于Dropout说法正确的是：（）。

A.Dropout背后的思想其实就是把DNN当做一个集成模型来训练，之后取所有值的平均值，而不只是训练单个DNN

B.DNN网络将Dropout率设置为p，也就是说，一个神经元被保留的概率是1-p。当一个神经元被丢弃时，无论输入或者相关的参数是什么，它的输出值就会被设置为0

C.丢弃的神经元在训练阶段，对BP算法的前向和后向阶段都没有贡献。因为这个原因，所以每一次训练，它都像是在训练一个新的网络

D.Dropout方法通常和L2正则化或者其他参数约束技术（比如MaxNorm）一起使用，来防止神经网络的过拟合

点击查看答案

第4题

缓解过拟合的一个办法是允许支持向量机在一些样本上出错，以下哪种形式适合这种方法（）。

A.硬间隔支持向量机

B.软间隔支持向量机

C.线性核函数支持向量机

D.多项式核函数支持向量机

点击查看答案

第5题

长短时记忆神经网络被设计用来解决什么问题（）。

A.传统RNN存在的梯度消失/爆炸问题

B.传统RNN计算量大的问题

C.传统RNN速度较慢的问题

D.传统RNN容易过过拟合的问题

点击查看答案

第6题

下列关于BP网络说法不正确的是（）。

A.标准BP算法每次仅针对一个训练样例更新连接权和阈值

B.BP神经网络经常遭遇过拟合

C.早停策略可用来缓解BP网络的过拟合问题

D.晚停策略可用来缓解BP网络的欠拟合问题

点击查看答案

第7题

下列的哪种方法可以用来降低深度学习模型的过拟合问题（）？1增加更多的数据；2使用数据扩增技术；3使用归纳性更好的架构；4正规化数据；5降低架构的复杂度

A.145

B.123

C.1345

D.所有项目都有用

点击查看答案

第8题

下列的哪种方法可以用来降低深度学习模型的过拟合问题（）。1增加更多的数据2使用数据扩增技术（dataaugmentation）3使用归纳性更好的架构4正规化数据5降低架构的复杂度。

A.145

B.123

C.1345

D.所有项目都有用

点击查看答案

第9题

下面对集成学习模型中的弱学习者描述错误的是（）。

A.他们经常不会过拟合

B.他们通常带有高偏差，所以其并不能解决复杂学习问题

C.他们通常会过拟合

点击查看答案

第10题

下列关于误差的说法，正确的是（）。

A.训练样本容量增加，泛化误差也会增加

B.过拟合指数据在训练集上的误差过大

C.过拟合可以通过减少模型参数数量解决

D.交叉验证不重复使用数据

点击查看答案

第11题

对于一个图像识别问题（在一张照片里找出一只猫），下面哪种神经网络可以更好地解决这个问题（）。

A.循环神经网络

B.感知机

C.多层感知机

D.卷积神经网络

点击查看答案

账号：尚未登录

登录没有账号？去注册

购买搜题卡

下载APP

关注公众号

TOP