A.参数平方和作为模型目标函数的一部分
B.参数绝对值之和作为模型目标函数的一部分
C.Lasso回归
D.在模型训练时,随机丢弃部分参数以达到正则化效果
E.岭回归
F.逻辑回归
A.L2正则化可以做特征选择
B.L1和L2正则化均可做特征选择
C.L1正则化可以做特征选择
D.L1和L2正则化均不可做特征选择
A.L1,L2正则项不能作用在损失函数之上
B.L2正则化比L1正则化产生更加稀疏的模型
C.加上L2正则项后,无法使用梯度下降算法迭代参数值
D.L1正则项有利于增强模型的泛化能力
A.如果对方的眼睛向左下方移动,说明左下方是自我对话区
B.多数人在内心对话时会向左下方看
C.如果太熟悉的内容,可能观察不到眼动
D.要让对方看着你的眼睛回答问题
A.为了防止过拟合可以使用L1或L2正则化
B.为了防止过拟合可以使用提前终止训练的方法
C.为了防止过拟合可以使用Dropout
D.训练过程中的损失值越小,其在存过拟合的风险越低
A.在卷积神经网络中,采用平均池化可减小误差,适用于需要突出纹理等特征的场景中
B.ResNet通过增加恒等映射,增加参数从而减少模型优化的难度,实现性能提升
C.空间金字塔池化(SPP)通过把图像的卷积特征转化成相同维度的特征向量,使模型可以处理任意尺寸的图像
D.批规范化(batchnormalization)是在不引入新参数的情况下保证每一层网络的输入具有相同的分布
A.阿片类镇痛药与非甾体类抗炎药联合用药可以明显增加镇痛效果
B.镇痛药与辅助药物联合用药也可以明显增加镇痛效果
C.联合用药同时会因药物的相互作用与影响而增加不良反应的发生风险
D.镇痛治疗联合用药时,不应减量使用
E.联合用药的疗效一定优于单独用药