请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.卷积神经网络中卷积层的主要作用是 （）.A.减少模型误差B.提取特征C.增加模型泛化能力D.减少模型过拟合现象发生的概率
- 2.深度学习在神经网络中使用了多层的隐藏层，其优点是（ ）选项： A:提高了模型的复杂度和学习能力 B:降低了模型的复杂度和学习能力 C:加快了模型的训练速度 D:提高了模型的泛化能力
- 3.增加训练数据可以提高模型的泛化能力选项： A:正确; B:错误
- 4.如何提高模型的泛化能力 选项： A:使用更多的数据进行训练 B:减少训练时间 C:增加神经网络的层数 D:提高算力
- 5.如何提高模型的泛化能力 选项： A、使用更多的数据进行训练 B、减少训练时间 C、增加神经网络的层数 D、提高算力
- 6.特征选择的目的有（）。 选项： A:减少特征数量、降维 B:使模型泛化能力更强 C:增强模型拟合能力 D:减少过拟合。
- 7.深度学习模型中的批量归一化有哪些主要优点?( ) 选项：A、提高模型的收敛速度B、减少梯度消失问题C、提高模型的泛化能力D、降低计算成本
- 8.下列哪项关于模型能力（model capacity）的描述是正确的？（指神经网络模型能拟合复杂函数的能力） 选项：A. 隐藏层层数增加，模型能力增加 B. Dropout的比例增加，模型能力增加 C. 学习率增加，模型能力增加 D. 都不正确
- 9.在深度学习中，正则化的作用是什么？ 选项： A: 增加模型的复杂度 B: 减少模型的复杂度 C: 增加模型的拟合能力 D: 减少模型的拟合能力
- 10.下列哪项关于模型能力（model capacity）的描述是正确的？”指神经网络模型能拟合复杂函数的能力”（）A.隐藏层层数增加，模型能力增加B.Dropout的比例增加，模型能力增加C.学习率增加，模型能力增加D.都不正确
- 11.深度学习中的迁移学习（Transfer Learning）的目的是： 选项： A:提高模型的训练速度 B:提高模型的泛化能 力 C:减少模型的参数数量 D:减少模型的复杂度
- 12.模型的泛化能力指的是什么模型？（ ）选项： A:验证模型 B:训练模型 C:测试模型 D:原始模型
- 13.关于激活函数，下列描述错误的是哪些？选项： A:激活函数的目标是为了提高模型训练的速度。; B:神经网络中一定要有激活函数。; C:线性模型通过增加更多变量可以解决线性不可分问题。; D:神经网络在处理非线性可分问题时，需要使用非线性激活函数。
- 14.下列有关过拟合说法不正确的是A.一味提高对训练数据的预测能力会导致模型过拟合B.为了增加模型在训练数据的预测能力，选择复杂的模型C.在样本充足的情况下采用交叉验证D.根据样本量选择复杂度合适的模型
- 15.43.下列描述中属于特征选择的优点有（ ）。 选项： A:解决模型自身的缺陷 B:减少过拟合 C:提升模型的性能 D:增强模型的泛化能力
- 16.如果在模型中增加解释变量，拟合优度就会变大，所以增加解释变量会提高模型的解释能力。（ ）
- 17.属于特征选择的优点有（）。 A.解决模型自身的缺陷 B.减少过拟合 C.提升模型的性能 D.增强模型的泛化能力
- 18.在强化学习中，什么是探索-利用权衡？ 选项： A: 平衡模型训练的复杂度和速度 B: 平衡模型对新动作的探索和已知动作的利用 C: 平衡模型对数据集的拟合程度和泛化能力 D: 平衡模型对输入特征的依赖程度
- 19.对于神经网络模型，当向模型输入新数据时，神经网络能完成由输入空间向输出空间的正确映射，这属于（ ）。 选项： A:非线性映射能力 ; B:泛化/推广能力; C:容错能力 ; D:搜索能力
- 20.在神经网络中，正则化的目的是什么？ A. 减少模型的训练时间 B. 增加模型的复杂度 C. 防止过拟合 D. 增加模型的参数数
