A.降低模型的偏差。
B.減少模型的方差。
C.增加模型的復(fù)雜度。
D.提高模型的泛化能力。
您可能感興趣的試卷
你可能感興趣的試題
A.生成候選目標(biāo)框
B.預(yù)測目標(biāo)的類別
C.定位目標(biāo)的精確位置
D.提高目標(biāo)分辨率
A.減輕梯度消失問題
B.加速模型收斂
C.增加模型的泛化能力
D.減少模型參數(shù)
A.用于將文本轉(zhuǎn)換為模型可處理的數(shù)值向量的工具
B.用于評估模型性能的指標(biāo)
C.模型訓(xùn)練時(shí)的優(yōu)化算法
D.模型輸出的文本格式
A.全模型微調(diào)
B.參數(shù)共享
C.自適應(yīng)微調(diào)
D.重學(xué)習(xí)
A.對圖像中的客觀對象構(gòu)建明確而有意義的描述
B.從一個(gè)或多個(gè)數(shù)字圖像中計(jì)算三維世界的特性
C.基于感知圖像做出對客觀對象和場景有用的決策
D.以上選項(xiàng)都對
最新試題
數(shù)量歸約中無參數(shù)的方法一般使用()。
在強(qiáng)化學(xué)習(xí)中,什么是“動態(tài)規(guī)劃”(DynamicProgramming)()?
相對化學(xué)沉淀等傳統(tǒng)工藝而言,萃取工藝的主要優(yōu)點(diǎn)是()。
在自然語言處理中,哪些方法可以用于提升文本分類、情感分析和實(shí)體識別的準(zhǔn)確性()?
在神經(jīng)網(wǎng)絡(luò)中,激活函數(shù)ReLU 的特點(diǎn)是什么()?
在自然語言處理任務(wù)中,哪些技術(shù)適用于提升實(shí)體識別和文本理解的準(zhǔn)確性和效率()?
反向傳播算法和梯度下降算法在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的主要區(qū)別是什么()?
人工智能發(fā)展的早期階段主要側(cè)重于哪方面的研究()?
人工智能中的“序列到序列”模型主要用于處理什么類型的數(shù)據(jù)()?
依存句法分析(DependencyParsing)主要用于分析什么()?