如何通过 Keras 中的活动正则化减少泛化误差

活动正则化提供了一种鼓励神经网络学习原始观察的稀疏特征或内部表示的方法。

在自动编码器（称为稀疏自动编码器）和编码器-解码器模型中寻求稀疏学习表示是很常见的，尽管该方法通常也可用于减少过度拟合并提高模型泛化到新观察值的能力。

在本教程中，您将发现 Keras API 用于向深度学习神经网络模型添加活动正则化。

完成本教程后，您将了解：

• 如何使用 Keras API 创建向量范数正则化器。
• 如何使用 Keras API 将活动正则化添加到 MLP、CNN 和 RNN 层。
• 如何通过向现有模型添加活动正则化来减少过度拟合。