在平衡的EMNIST数据集上训练的简单神经网络体系结构上对正则化技术的评估 在这项研究中，我们将探索使用平衡的EMNIST数据集的不同正则化方法，这些方法可用于解决给定神经网络架构中的过拟合问题。 我们将首先通过更改网络的隐藏单元数（宽度）和隐藏层数（深度）来确定问题，以便了解过拟合对不同网络形状的影响。 随后，我们将进行不同的实验，以了解如何解决将固定的架构和超参数的基准模型添加Dropout，L1和L2正则化的初始问题。 这些实验都将与“基线模型”进行比较，以找到为基线模型提供最高准确度和最