原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
ADDINCNKISM.UserStyle
深度学习过拟合预防方法研究
摘要
得益于大数据技术的发展和硬件设备的不断完善，深度学习在计算机视觉、语音识别等多个领域蓬勃发展。对于图像分类任务而言，为达到更好的分类效果，研究人员陆续提出了越来越复杂的、具有更强分类能力的深度学习模型。但在获得了更强分类能力的同时，模型的表征能力也更加强大，由于收集标签数据的高成本，现有标签数据量无法满足复杂模型的训练需求，从而导致模型过拟合问题的产生，具体表现在：验证集精度明显高于测试集。
在过去的研究中，学者们提出了很多关于抑制过拟合问题的方法，例如数据增强、正则化、Dropout、BatchNormal
文档评论（0）