请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1. 关于sigmoid激活函数，下列描述正确的是（ ）选项： A:它是凸函数，凸函数无法解决非凸问题； B:它可以有负值； C:它无法配合交叉熵损失函数使用； D:当输入值过大或者过小时，梯度趋近于0，容易造成梯度消失问题。
- 2.sigmoid激活函数最大的问题是容易造成____? 选项： A:反向传播容易造成梯度消失 B:正向传播容易造成梯度消失 C:正向传播容易造成梯度爆炸 D:以上都正确
- 3.tanh激活函数也有造成梯度消失等问题和sigmoid相比,()sigmoid
- 4.下列说法正确的有（ ）。 选项： A:A.负梯度方向是使函数值下降最快的方向 B:B.当目标函数是凸函数时，梯度下降法的解是全局最优解 C:C.梯度下降法比牛顿法收敛速度快 D:D.牛顿法不需要计算Hesse矩阵
- 5.Sigmoid 激活函数存在梯度消失的问题
- 6.如何避免梯度消失问题?（C） A. 使用线性激活函数 B. 使用Sigmoid激活函数 C. 使用ReLU激活函数 D. 使用Softmax激活函数
- 7.以下说法正确的是（）。 选项： A:A.负梯度方向是使函数值下降最快的方向 B:B.当目标函数是凸函数时，梯度下降法的解是全局最优解 C:C.梯度下降法比牛顿法收敛速度快 D:D.拟牛顿法不需要计算Hesse矩阵
- 8.以下说法正确的是( )o 选项： A:A. 负梯度方向是使函数值下降最快的方向 B:B. 当目标函数是凸函数时，梯度下降法的解是全局最优解 C:C. 梯度下降法比牛顿法收敛速度快 D:D. 牛顿法不需要计算Hesse矩阵
- 9.哪些方法可以减少深度学习的梯度消失问题？选项： A:减少网络深度; B:预训练+微调; C:使用ReLU激活函数; D:使用Sigmoid激活函数
- 10.以下哪些策略可以帮助避免梯度消失问题?（C） A. 使用线性激活函数 B. 使用Sigmoid激活函数 C. 使用ReLU激活函数 D. 使用更深的网络
- 11.以下会造成梯度消失的激活函数有选项： A:sigmoid函数; B:tanh函数; C:ReLU函数; D:softplus函数
- 12.以下会造成梯度消失的激活函数有选项： A:sigmoid函数; B:tanh函数; C:ReLU函数; D:softplus函数
- 13.tanh激活函数也有造成梯度消失等问题和sigmoid相比，（）sigmoid 选项： A:优于 B:劣与 C:等于 D:小于等于
- 14.Sigmoid激活函数可能会导致梯度消失;然而Tanh激活函数不会导致这个问题。()
- 15.tanh激活函数也有造成梯度消失等问题和sigmoid相比，（）sigmoid 选项： A:优于 B:等于 C:小于等于 D:劣与
- 16.Sigmoid激活函数可能会导致梯度消失；然而Tanh激活函数不会导致这个问题选项： A:正确; B:错误
- 17.Sigmoid激活函数可能会导致梯度消失；然而Tanh激活函数不会导致这个问题 选项： A、正确 B、错误
- 18.下面关于Relu和Sigmoid激活函数说法错误的是 选项： A、Relu激活函数相比于Sigmoid激活函数计算更简单 B、Relu激活函数是一种线性的激活函数 C、Sigmoid激活很容易出现梯度消失的情况 D、Relu减少了参数间的相互依存关系，缓解了过拟合问题的发生
- 19.对激活函数Sigmoid的描述不正确的是（ ）。选项： A:可用于二分类问题; B:容易造成梯度消失; C:可以减少网络计算量; D:是一条非线性曲线
