题目内容
(请给出正确答案)
[单选题]
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(data augmentation)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
查看答案
如果结果不匹配,请 联系老师 获取答案
A.145
B.123
C.1345
D.所有项目都有用
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
A.145
B.123
C.1345
D.所有项目都有用
A.EM算法是常用的估计参数隐变量的利器
B.EM算法即是期望最大化算法
C.EM算法常被用来学习高斯混合模型的参数
D.EM算法是一种迭代式的方法
A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B.CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C.只要参数设置合理,深度学习的效果至少应优于随机算法
D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题