深度网络模型一般指网络层数在3层以上，具有更多的可拟合的神经元，如此提高神经网络对复杂函数的逼近能力，为了训练庞大的变量需要大数据做支撑
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。
- 深度神经网络的深度一般是指网络隐藏层的数量
- 大脑是有很多个叫做神经元的东西构成,神经网络是对大脑的简单的数学表达。每一个神经元都有输入、处理函数和输出。神经元组合起来形成了网络,可以拟合任何函数。为了得到最佳的神经网络,我们用梯度下降方法不断更新模型给定上述关于神经网络的描述,什么情况下神经网络模型被称为深度学习模型? A: 加入更多层，使神经网络的深度增加 B: 有维度更高的数据 C: 当这是一个图形识别的问题时 D: 以上都不正确
- 【多选题】关于类不平衡数据对深度网络模型的影响,下列说法正确的是: A: 类不平衡数据会影响降低网络模型的分类正确率。 B: 对类不平衡数据用重采样法可以显著提高模型训练效果。 C: 增加网络层数可以有效降低类不平衡数据的影响。 D: 类不平衡数据 容易引起模型过拟合.
- 已知：大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。- 每一个神经元都有输入、处理函数和输出。- 神经元组合起来形成了网络，可以拟合任何函数。- 为了得到最佳的神经网络，我们用梯度下降方法不断更新模型给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？（ ） A: 当这是一个图形识别的问题时 B: 有维度更高的数据 C: 加入更多层，使神经网络的深度增加