__________用于计算拟合误差，以便神经网络在训练过程中调整参数，最大程度地拟合输出结果。
举一反三
- 在深度学习产生过度拟合的原因是，训练样本中包含取样误差，模型在学习过程中也会学习输入数据中携带这些噪声信息，神经网络又有大量拟合能力极强的训练参数，这些参数在学习过程中会尽可能让样本输出逼近目标值，造成过度拟合。
- 神经网络过拟合是指，网络在训练集合上不能获得足够低的训练误差
- 神经网络的训练过程就是通过使用梯度下降算法来________损失函数，从而迭代优化神经网络参数，使输出尽可能拟合目标。
- 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
- 减少神经网络过拟合的说法，以下哪些是正确的？ A: 通过正则化可以减少网络参数的取值或个数，一定程度可能减少过拟合 B: 通过增加数据扰动的数据增强增加了神经网络的过拟合 C: 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 D: 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