题目内容
（请给出正确答案）
[单选题]
梯度消失问题的认识哪个是正确的（)？
A.隐藏层太多时，可能导致靠近输入层的权重的偏导数太小而得不到更新
B.神经元处于Sigmoid等激活函数的饱和区工作，梯度值偏小
C.隐藏层神经元的个数太多导致
D.隐层的权重取值大容易导致梯度消失
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.隐藏层太多时，可能导致靠近输入层的权重的偏导数太小而得不到更新
B.神经元处于Sigmoid等激活函数的饱和区工作，梯度值偏小
C.隐藏层神经元的个数太多导致
D.隐层的权重取值大容易导致梯度消失
如果结果不匹配，请 联系老师 获取答案
更多“梯度消失问题的认识哪个是正确的()?”相关的问题
A.正向传播更新参数
B.正向传播计算结果
C.反向传播更新参数
D.反向传播计算结果
A.由于激活函数的非线性特点,导致反向传播过程中梯度消失的问题
B.激活函数不必可导
C.没有前馈计算也可以进行反向传播计算
D.Relu激活函数导致的神经元死亡指的是该节点以后都不可能被激活
A.梯度消失问题
B.过拟合问题
C.数据不平衡问题
D.梯度爆炸问题
A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B.CNN相比于全连接的优势之一是模型复杂度低，缓解过拟合
C.只要参数设置合理，深度学习的效果至少应优于随机算法
D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
