LSTM可以解决RNN的哪些问题（）
A: 梯度消失
B: 梯度爆炸
C: 长期依赖
D: 未来信息缺失
A: 梯度消失
B: 梯度爆炸
C: 长期依赖
D: 未来信息缺失
举一反三
- LSTM可以缓解RNN梯度消失/梯度爆炸的问题。（ ）
- 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
- RNN在解决序列问题时遇到梯度消失的问题，一般采用的是LSTM进行解决。
- ________是一种特殊的RNN，解决了梯度消失和梯度爆炸，在长序列中表现更好。 A: 卷积神经网络（CNN） B: 循环神经网络（RNN） C: 长短期记忆LSTM D: 时序网络