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。
对
举一反三
- 下面关于神经网络参数的说法错误的是 A: 在选择神经网络的层数时，隐藏层的层数应该是越少越好。 B: 神经网络的模型受到神经元的传递函数、网络结构和连接权值的学习这三个因素的影响。 C: 在多层前馈网络中，若隐层节点数量太少，会出现欠学习的问题。 D: 在多层前馈网络中，若隐层节点数量太少，会出现过学习的问题。
- 下面有关神经网络梯度消失说法错误的是（） A: 当神经网络的隐层增加时，就容易发生梯度消失问题，表现在靠近输入层的权重难以更新。 B: 网络梯度消失可能导致有些权重难以更新，导致网路训练失败。 C: 网络梯度消失可以通过改变隐层和输出层的神经元激活函数减弱。 D: 网络梯度消失可以通过减少隐层神经元的个数减弱。
- 神经网络进行训练中:(多选) A: 主要目的是为了让泛化能力更强 B: 训练误差总是越小越好，不用管泛化能力 C: 训练样本的质量和数量影响泛化能力 D: 训练中经常出现过拟合现象
- 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。（ ）
- 下列选项中属于BP网络的不足的是？ A: 全连接网络计算大 B: 隐层神经元数量难以确定 C: 容易陷入局部极小值 D: 无法做到深度很深，会产生梯度消失
内容
- 0
下列选项中属于BP网络的不足的是？ A: 全连接网络计算大 B: 隐层神经元数量难以确定 C: 容易陷入局部极小值 D: 无法做到深度很深，会产生梯度消失
- 1
深度神经网络的深度一般是指网络隐藏层的数量
- 2
________认为网络的价值或能力随网络成员数量呈指数增长.
- 3
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。
- 4
发生网络拥塞的主要原因，不包括( )。 A: 网络中负荷太大，分组数量过多 B: 路由器处理速度慢 C: 路由器缓冲区不足 D: 网桥转发速度慢