训练神经网络时，以下哪种激活函数最容易造成梯度消失？
A、tanh
B、sigmoid
C、relu
D、leaky ReLU
发布时间：2025-05-08 14:16:54
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：sigmoid
相关试题
- 1.训练神经网络时，以下哪种激活函数最容易造成梯度消失？
- 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.激活函数是非线性的，以下哪些激活函数是神经网络中常用的激活函数：
- 5.以下哪个不可以用作神经网络中激活函数的是( )。
- 6.在神经网络中，常用的激活函数有
- 7.Sigmoid激活函数在神经网络中引入了非线性。
- 8.深度学习是含有一个隐含层的多层神经网络模型的强化学习，训练过程加入了激活函数。
- 9.反向传播的作用是训练模型参数,在所有参数上用梯度下降,使神经网络模型在训练数据上的损失函数最大。( )
- 10.在深度学习中,梯度消失问题通常发生在循环神经网络(RNN)中。( )
