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