LSTM和GRU网络因为引入了门控单元，可以缓解梯度消失问题
举一反三
- LSTM和GRU网络因为引入了门控单元，可以缓解梯度消失问题 A: 正确 B: 错误
- LSTM 和 GRU 主要利用“门控”来缓解梯度消失的问题
- LSTM可以缓解RNN梯度消失/梯度爆炸的问题。（ ）
- 比较长短期记忆网络（LSTM）与门限循环单元（GRU）网络的差别，以下哪个说法是错误的？ A: GRU是LSTM的简化，保留量遗忘门，合并了状态向量和输出向量 B: GRU的性能一般远强于LSTM C: GRU的计算速度优于对应的LSTM D: GRU的结构比LSTM简单，减少了计算量
- 下列关于循环神经网络的说法哪个是错误的___ A: 普通RNN容易出现梯度消失问题 B: 普通RNN容易出现梯度爆炸问题 C: LSTM网络结构相对普通RNN网络解决了梯度爆炸问题，但没有很好解决梯度消失问题 D: 循环神经网络RNN和LSTM等模型，则因为其模型结构特点可以更好地应用于时序相关的问题场景