神经网络训练容易遇到的问题，不包括
A: 误差反向传播
B: 鞍点问题
C: 梯度消失
D: 梯度爆炸
A: 误差反向传播
B: 鞍点问题
C: 梯度消失
D: 梯度爆炸
举一反三
- 下面哪些情况可能导致神经网络训练失败 A: 梯度消失 B: 梯度爆炸 C: 激活单元死亡 D: 鞍点
- 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
- RNN 存在梯度消失问题，没有梯度爆炸问题
- 梯度消失和梯度爆炸不会导致下面哪种情况？ A: 梯度消失会导致网络训练变慢 B: 梯度消失使网络性能不佳，分类准确度低 C: 梯度爆炸使网络训练时代价函数震荡，不利于收敛 D: 梯度爆炸会加快网络训练，更易达到最优解
- 为了避免梯度爆炸或消失问题，提出了______（） A: 长短时记忆神经网络 B: 卷积神经网络 C: 其余选项都不正确 D: 随机梯度下降