常用的非线性激活函数有Sigmoid、tanh、ReLU等，适合于全连接层的激活函数是（ ） A: . Sigmoid B: tanh C: ReLU

tanh解决了sigmoid梯度消失的问题。

全连接层常用的激活函数是sigmoid和tanh

AlexNet的隐层神经元的激活函数采用Sigmoid或Tanh。

AlexNet的隐层神经元的激活函数采用Sigmoid或Tanh。 A: 正确 B: 错误

tanh激活函数的梯度消失问题比sigmoid轻，收敛速度也比sigmoid快

以下哪些激活函数容易产生梯度消失问题？（） A: ReLU B: Softplus C: Tanh D: Sigmoid

有关循环神经网络激活函数的说法，以下哪个是错误的？ A: 取Tanh或Sigmoid函数作为激活函数，做梯度下降时，偏导数是一堆小数在做乘法，容易导致网络梯度消失。 B: Tanh函数相对于Sigmoid函数来说梯度较小，收敛速度更快更慢 C: Sigmoid函数相对于Tanh函数来说更容易导致梯度消失 D: ReLU可以减少循环神经网络的梯度消失问题

以下哪个激活函数可以很好地解决梯度消失问题？（） A: Relu B: Tanh C: Softsign D: Sigmoid

以下不是卷积神经网络的激活函数的是() A: sigmod函数 B: tanh函数 C: ReLU函数 D: softmax函数