神经网络的正则化技术是一组用于减少过度拟合（overfitting）的方法，其中过度拟合是指模型在训练集上表现很好，但在测试集上表现不佳的情况。这些技术有助于提高模型的泛化能力，使其在未见过的数据上表现更好。

以下是几种常见的神经网络正则化技术：

Dropout：

Dropout 是一种在训练过程中随机丢弃神经元的技术。它通常应用在全连接层或卷积层之间，以减少神经网络的过度拟合。通过随机地将某些神经元设置为零，dropout 可以阻止神经元之间的过度依赖，从而提高模型的泛化能力。

 Batch Normalizationÿ