如果结果不匹配，请 
更多“在训练神经网络的时候经常会遇到过拟合和耗时的问题。()”相关的问题
第1题
减少神经网络过拟合的说法，以下哪些是错误的（)？
A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合
B.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
C.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
D.通过增加数据扰动的数据增强减少了神经网络的过拟合
第3题
深度学习是目前比较火热的人工智能技术，但是在做深度学习任务时常常会遇到各种各样的问题,以下会在深度学习任务中出现的问题有（)
A.梯度消失问题
B.过拟合问题
C.数据不平衡问题
D.梯度爆炸问题
第7题
假设你有一个非常大的训练集合，如下机器学习算法中，你觉着有哪些是能够使用map-reduce框架并能将训练集划分到多台机器上进行并行训练的（)。
A.逻辑斯特回归(LR)，以及随机梯度下降(SGD)
B.线性回归及批量梯度下降(BGD)
C.神经网络及批量梯度下降(BGD)
D.针对单条样本进行训练的在线学习
第8题
在网络中二层环路经常会造成设备宕机,三层环路一般只是CPU负荷增加,主要是因为三层环路可以通过以下哪个机制缓解（)
A.Mac Address
B.TTL
C.IP Address
D.DSCP
