深度神經網絡是否夸張地過擬合了？這不可能是一樣的。1. 過度裝配可分為許多情況。一是現(xiàn)在的情況太多了。這種神經網絡能對許多情況給出正確的答案。即使它是過度安裝，你也無法證明它。此外，即使它能工作和排氣

深度神經網絡是否夸張地過擬合了？

這不可能是一樣的。

1. 過度裝配可分為許多情況。一是現(xiàn)在的情況太多了。這種神經網絡能對許多情況給出正確的答案。即使它是過度安裝，你也無法證明它。此外，即使它能工作和排氣，也沒有壞處。

2. 是否過擬合與我們的神經網絡模型和訓練集有關。當二者的組合過擬合時，它在訓練集上運行良好，在驗證集上也會出現(xiàn)問題。現(xiàn)在有一些方法可以對訓練集的數據進行預處理、多次輸入和多次訓練。

3. 目前，過度擬合的問題是不可避免的。培訓本身就是一種適應過程。如果未來在數學原理或應用這方面有質的突破，可能有解決的機會。

學人工智能需要哪些基礎？

人工智能是一門非常流行的科學，縮寫為AI。它被認為是21世紀的三大尖端技術之一。另外兩項技術是基因工程和納米科學。研究和開發(fā)模擬、擴展和擴展人類智能的理論、方法、技術和應用系統(tǒng)是一門新興的技術科學。人工智能是計算機科學的一個分支。它的目的是理解智能的本質，制造出一種能以類似人類智能的方式做出反應的新型智能機器。該領域的研究內容包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)。

人工智能是一門使計算機模擬人類某些思維過程和智能行為（如學習、推理、思考、計劃等）的學科，主要包括用計算機實現(xiàn)智能的原理，使計算機與人腦智能相似，使計算機實現(xiàn)更高層次的智能應用程序。人工智能將涉及計算機科學、心理學、哲學和語言學。可以說，幾乎所有的自然科學和社會科學學科都已經遠遠超出了計算機科學的范疇。如今，熱騰騰的大數據和阿爾法圍棋大戰(zhàn)對李世石的背后，有著人工智能的影子。

學習人工智能主要包括概率論、數理統(tǒng)計、矩陣論、圖論、隨機過程、最優(yōu)化、神經網絡、貝葉斯理論、支持向量機、粗糙集、經典邏輯、非經典邏輯、認知心理學，以及微積分、線性代數等編程工具，如MATLAB、SPSS、C或Java。