在神经网络中，以下哪些技术可以用于解决过拟合（）。

A.减少网络容量

B.添加权重正则化

C.添加dropout

D.以上都是

A.边缘检测

B.提取图像特征

C.降维

D.减少网络参数

E.避免过拟合

A.传统机器学习

B.强化学习

C.神经网络学习

D.深度学习

A.基于原子卷积的空间金字塔池化

B.亚像素卷积

C.多特征融合

D.基于Trabsform结构的新型神经网络模型

E.基于深度学习的文本向量表示

A.在形式上，必须采用书面形式

B.在应用范围上，只用于解决程序问题

C.一个案件中可以有多个刑事裁定

D.上诉案件经审理后维持原判，驳回上诉的，适用刑事裁定书

A.声音波形采集

B.声音分帧

C.波形转换

D.神经网络

E.数值分析

A.神经网络模型是许多逻辑单元按照不同层级组织起来的网络，每一层的输出变量都是下一层的输入变量

B.神经网络模型建立在多神经元之上

C.神经网络模型中，无中间层的神经元模型的计算可用来表示逻辑运算

D.神经网络模型一定可以解决所有分类问题

A.反向传播只能在前馈神经网络中运用

B.反向传播会经过激活函数

C.反向传播可以结合梯度下降算法更新网络权重

D.反向传播指的是误差通过网络反向传播

A.容易过拟合

B.计算复杂度大

C.梯度容易消失

D.精度容易下降

A.最小二乘法

B.最大似然估计

C.逻辑回归

D.卷积神经网络

A.边缘检测

B.锐化

C.模糊

D.高斯模糊

E.灰度化