LSTM模型和RNN模型都是属于深度学习模型，都可用于情感分析任务中，但是LSTM 模型克服了梯度消失问题。（ ）
举一反三
- 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
- 下列有关LSTM模型的叙述对的是（ ） A: LSTM是简化版的RNN B: LSTM是RNN的扩展.其通过特殊的结构设计来避免长期依赖问题 C: LSTM是双向的RNN D: LSTM是多层的RNN
- LSTM可以缓解RNN梯度消失/梯度爆炸的问题。（ ）
- LSTM模型进行语音识别的优点有： A: 长短时记忆能力 B: 缓解RNN的梯度消散和梯度爆炸问题 C: 适合嵌入式设备 D: 所有模块统一成神经网络模型
- 自然语言处理中的文本表示模型中,词袋模型属于() A: 统计机器学习模型 B: 深度学习模型 C: 循环神经网络RNN D: N-Gram模型