，避免了如Sigmoid一般的指数运算。由于其在 x>0 区间梯度恒为1，避免了传统激活函数在极端输入时梯度趋近于0的问题，
，避免了如Sigmoid一般的指数运算。由于其在 x>0 区间梯度恒为1，避免了传统激活函数在极端输入时梯度趋近于0的问题，
发布时间：2025-05-10 20:20:02
请在 下方输入 要搜索的题目：
推荐参考答案 (
由 快搜搜题库 官方老师解答 )
答案：ReLU
相关试题
- 1.，避免了如Sigmoid一般的指数运算。由于其在 x>0 区间梯度恒为1，避免了传统激活函数在极端输入时梯度趋近于0的问题，
- 2.Sigmoid激活函数可能会导致梯度消失；然而Tanh激活函数不会导致这个问题
- 3.将Sigmoid激活函数改为ReLu，将有助于克服梯度消失问题。（ ）
- 4.在深度学习中，sigmoid函数存在梯度爆炸的问题。
- 5.下列函数中，在区间（0， ∞）上是减函数的是（ ）A、f（x）= 1 xB、f（x）=x 2C、f（x）=2 xD、f（x）=lgx
- 6.下列函数中，在区间（0，+∞）上是减函数的是（ ）
- 7.若在区间(ab)内,函数f(x)的一阶导数f(x)>0,阶导数(x)<0,则函数f(x)在此区间内是()
- 8.HDB3码为1 +1 0 0 0 +1 -1 0 0 -1 0 +1 0 0 0 +1 0 -1 0 +1，其对应的信息码是（）
- 9.Sigmoid激活函数在神经网络中引入了非线性。
- 10.y=0;if(x>=0) { if(x>0) y=1; else y=-1; }当x为5时，y的值是（ ）。
