以下哪些是属于人工智能研究领域（）

对于神经网络，减少神经网络层数,总是能减小测试数据集的分类错误率

增加卷积核的大小对于改进卷积神经网络的效果是必要的

当在卷积神经网络中加入池化层(poolinglayer)时，变换的不变性会被保留

基于二次准则函数的H-K算法较之于感知器算法的优点是计算量小

LeakyReLU函数解决了神经死亡问题

当在内存网络中获得某个内存空间时，通常选择读取矢量形式数据而不是标量，这里需要基于内容的寻址或基于位置的寻址来完成

一个循环神经网络可以被展开成为一个完全连接的、具有无限长度的普通神经网络

Dropconnect对一个神经元随机屏蔽输入和输出权重

Dropout对一个神经元随机屏蔽输入权重

对于非连续目标在深度神经网络的优化过程中，AdaGrad梯度下降方法是最好的