一位機器學習專家針對電影評論訓練的深度學習情感模型在驗證後出現過度擬合。哪些措施能最有效地改善泛化能力並減少過度擬合？（請選擇三項。）

過度擬合表示模型在訓練資料上表現良好，但在未見過的新資料上表現不佳。新增 L1 和 L2 正規化（權重衰減）通過向損失函數添加懲罰項來約束模型權重，防止模型過於複雜。新增 dropout 正規化在訓練期間隨機停用部分神經元，迫使網路學習更穩健的特徵，減少對特定神經元的依賴。減少網路的層數或神經元數量能降低模型的複雜度，使其更難記憶訓練資料中的雜訊，從而提高泛化能力。 使用不同的隨機種子打亂資料集主要影響訓練的隨機性，但無法直接解決過度擬合。降低學習率有助於模型收斂，但本身不能防止過度擬合。增加神經網路的層數反而會增加模型複雜度，更容易導致過度擬合。