如果结果不匹配，请 
更多“产生模型使用后期的“粉化”现象的原因主要是由于模型干燥过程中…”相关的问题
第1题
试述片剂制备中出现片重差异超限的原因及应采取的措施。
产生的原因及解决办法是：①颗粒流动性不好，流人模孔的颗粒量时多时少，引起片重差异过大，应重新制粒或加入较好的助流剂如微粉硅胶等，改善颗粒流动性，②颗粒内的细粉太多或颗粒的大小相差悬殊，致使流入模孔内的物料时重时轻，应除去过多的细粉或重新制粒，③加料斗内的颗粒时多时少，造成加料的重量波动也会引起片重差异超限，所以应保持加料斗内始终有1/3量以上的颗粒，④冲头与模孔吻合性不好，例如下冲外周与模孔壁之间漏下较多药粉，致使下冲发生“涩冲”现象，必然造成物料填充不足，对此应更换冲头、模圈。
第7题
关于Dropout说法正确的是：（）。
A.Dropout背后的思想其实就是把DNN当做一个集成模型来训练，之后取所有值的平均值，而不只是训练单个DNN
B.DNN网络将Dropout率设置为p，也就是说，一个神经元被保留的概率是1-p。当一个神经元被丢弃时，无论输入或者相关的参数是什么，它的输出值就会被设置为0
C.丢弃的神经元在训练阶段，对BP算法的前向和后向阶段都没有贡献。因为这个原因，所以每一次训练，它都像是在训练一个新的网络
D.Dropout方法通常和L2正则化或者其他参数约束技术（比如MaxNorm）一起使用，来防止神经网络的过拟合
