题目内容
（请给出正确答案）
A.增加训练数据
B.增加模型层数或单元数
C.延长训练时间
D.采用规则化方法
参考答案
简答题官方参考答案
（由简答题聘请的专业题库老师提供的解答）
网友提供的答案
更多“当神经网络训练中出现了欠拟合请款，可采用以下哪些方法进行优化？”相关的问题
A.复杂的模型时容易发生欠拟合问题
B.神经网络不会出现过拟合问题
C.正则化方法可以减少过拟合问题
D.增加数据量不能减少过拟合问题
A.通过正则化可以减少网络参数的取值或个数，一定程度可能减少过拟合
B.通过增加数据扰动的数据增强增加了神经网络的过拟合
C.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
D.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
A.欠拟合一般是由于样本集合太大而造成的
B.欠拟合时，增加模型的复杂度，或者增加输入特征的个数，可有望改善
C.过拟合时，增加训练集样本个数，可有望改善
D.过拟合时，减小模型复杂度，可有望改善
A.当新的数据量少且数据与原数据集类似，可以对输出层训练即可，不需要对模型参数做过多的调整。
B.使用预训练模型意味着难以自由改变网络结构和参数，限制了其应用场合。
C.当新数据量比较大，且数据与原数据类似，可对预训练模型的所有层以较大的学习率微调。
D.当新数据量少，且数据和原数据集差异较大，那么除了对输出层微调外，还要对顶层以下的层数进行大调。
A、权重归一化
B、dropout
C、batch nomalization
D、增加更多的隐层数，提高网络的深度，深度增大性能也会不断提升
A.神经网络训练过程是拟合训练数据模式的过程
B.神经网络训练后很容易得到分类的规则
C.神经网络可用于分类和聚类
D.神经网络模型的分类能力比决策树好
警告：系统检测到您的账号存在安全风险
为了保护您的账号安全，请在“简答题”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！
