4.以下有关深度神经网络应用说法错误的是（ ）
A: RNN:语音识别、问答系统、语言建模和文本生成等诸多领域
B: GAN:图像合成、语义图像编辑、风格迁移、图像超分辨率技术和分类
C: VAE: 从生成假人脸到合成音乐等
D: LSTM:捕捉到序列中长距离历史信息，但不能缓解长期依赖问题，应使用RNN实现有效缓解长期依赖
A: RNN:语音识别、问答系统、语言建模和文本生成等诸多领域
B: GAN:图像合成、语义图像编辑、风格迁移、图像超分辨率技术和分类
C: VAE: 从生成假人脸到合成音乐等
D: LSTM:捕捉到序列中长距离历史信息，但不能缓解长期依赖问题，应使用RNN实现有效缓解长期依赖
C
举一反三
- 下列关于长短期记忆网络LSTM和循环神经网络RNN的关系描述正确的是： A: LSTM是简化版的RNN B: LSTM是双向的 RNN C: LSTM是多层的RNN D: 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
- 下列关于RNN的改进方法错误的是 A: LSTM模型在改变RNN整体网络结构的同时，对每个时序信息的内部处理方式进行了改进 B: 堆叠循环神经网络通过增加隐含层的数量来实现对复杂问题的处理 C: 双向循环神经网络从两个方向建模序列的信息，能够更好的建模序列内的依赖关系 D: LSTM模型的提出是为了解决传统RNN的长期依赖问题
- 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
- 第三次人工智能兴起是,深度学习技术首先在哪个领域得到应用: A: 语音识别 B: 人脸识别 C: 图像分类 D: 文本翻译
- “LSTM”是长短是记忆体的英文简写，专门解决RNN的长期依赖问题。
内容
- 0
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
- 1
计算机视觉可以分为： A: 图像分类、目标检测 B: 图像分割、风格迁移 C: 图像重构、超分辨率 D: 图像生产、人脸
- 2
9、下列哪些是计算机视觉的应用（ ） A: A、物体检测，语音识别，图像分类 B: B、文本翻译，人脸识别，物体检测 C: C、物体检测，图像分类，图像分割 D: D、语音识别，文本翻译，人脸识别
- 3
循环神经网络使用场景不包括（） A: 机器翻译 B: 语音课别 C: 图像风格迁移 D: 文本生成
- 4
LSTM可以缓解RNN梯度消失/梯度爆炸的问题。（ ）