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;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
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.加入更多层,使神经网络的深度增加
B.有维度更高的数据
C.当这是一个图形识别的问题时
D.以上都不正确
A.考虑应用相似性学习或者广度学习的方法,分析该设备和其近邻设备的关系或利用近邻设备的信息估算该设备的状态
B.利用深度学习全面挖掘数据中的隐含信息
C.考虑聚类算法对工况进行聚类,并针对每一种工况条件进行分析
D.釆用有监督学习的算法,用历史数据中的健康和故障数据建立模型并对当前采集的信号进行分析
A.两者都是监督学习的方法
B.多项逻辑斯蒂回归模型也被称为softmax函数
C.两者都可被用来完成多类分类任务
D.逻辑斯帝回归是监督学习,多项逻辑斯蒂回归模型是非监督学习