然而使用神经网络的主要问题在于如何控制网络模型的复杂度，若不对网络的复杂度进行控制，结果必将出现过拟合问题从而使网络泛化能力变强。（ ）
举一反三
- 对于神经网络隐层神经元的数量，如果数量太少会导致网络拟合能力不足，数量太多会导致网络训练速度慢，并且网络的泛化能力可能弱。
- OSI参考模型的((______ ))层与网络应用有关,((______ ))层则主要进行网络控制和数据传输/接收问题。
- 训练分类机器学习模型时需要避免过拟合和欠拟合的问题，关于这些问题以下说法错误的是（） A: 复杂的模型时容易发生欠拟合问题 B: 神经网络不会出现过拟合问题 C: 正则化方法可以减少过拟合问题 D: 增加数据量不能减少过拟合问题
- 神经网络训练之后的泛化能力是指网络对训练样本之外的新鲜数据的适应度，也称为神经网络的举一反三的能力。
- 下面属于前馈神经网络的是（） A: 多层感知器 B: 学习矢量量化网络 C: 小脑模型连接控制网络 D: 数据处理方法网络 E: 模糊控制网络