单项选择题
Dropout改进方法的原理是什么？（）
A.增加正则化惩罚项，降低模型复杂度
B.增加隐藏层神经元数目，提高模型效果
C.使用更大的学习率，更快地收敛到最优解
D.在训练过程中，以一定的概率随机使某些神经元失活，减少过拟合的可能性
点击查看答案&解析
相关考题
-
单项选择题
SGD和Adam的优化方法有什么区别？（）
A.SGD只考虑一阶梯度，而Adam结合了一阶动量和二阶动量
B.Adam只考虑一阶梯度，而SGD基于动量梯度方法
C.SGD和Adam都只使用一阶梯度
D.SGD和Adam都考虑二阶梯度 -
单项选择题
在深度学习中，哪种激活函数通常不存在梯度消失问题，并且计算效率较高？（）
A.Sigmoid
B.Tanh
C.ReLU
D.Softmax -
单项选择题
为什么在使用sigmoid作为激活函数时，常用交叉熵损失函数而不用均方差误差损失函数？（）
A.均方差误差损失函数容易陷入局部最优解
B.均方差误差损失函数在sigmoid函数下容易导致梯度消失
C.因为交叉熵损失函数不适于分类问题
D.交叉熵损失函数比均方差误差损失函数计算更简单
