単純なニューラルネットワークの検証性能は、最初は向上しますが、一定のエポック数を超えると悪化します。この劣化を防ぐのに役立つ変更は次のうちどれですか？（2つ選択してください。）

検証性能の悪化は、モデルがトレーニングデータに過剰に適合し、未知のデータに対する汎化能力が低下する過学習の兆候です。 「早期停止を有効にする」は、検証性能が改善しなくなった時点でトレーニングを停止することで、過学習を防ぎます。これにより、モデルが最適な汎化能力を持つ状態を維持できます。 「ドロップアウト率を上げる」は、トレーニング中にランダムにニューロンを無効化することで、モデルが特定のニューロンに過度に依存するのを防ぎ、よりロバストな特徴学習を促します。これにより、過学習が軽減されます。 「ネットワークにレイヤーを追加する」や「レイヤーあたりのニューロン数を増やす」は、モデルの表現能力を高めますが、同時に過学習のリスクも高める可能性があります。 「モデルバイアスの原因を調査し、軽減する」は、モデルの公平性や倫理的な側面に焦点を当てたものであり、過学習による検証性能の劣化とは直接的な解決策ではありません。