下列关于RNN、LSTM、GRU说法正确的是（）。

A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题

B.CNN相比于全连接的优势之一是模型复杂度低，缓解过拟合

C.只要参数设置合理，深度学习的效果至少应优于随机算法

D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题

A.CNN

B.RNN

C.LSTM

D.SVM

A.更新门

B.输出门

C.遗忘门

D.输入门

A.反向传播时不考虑时间方向

B.不存在一对一的模型结构

C.不存在多对多的模型结构

D.会出现长时间传输记忆的信息衰减的问题

A.CNN和RNN都属于神经网络，因此二者的训练方式完全一致，均采用BP算法。

B.CNN和RNN都采用了权值共享机制以减少网络中的参数量。

C.在同一个网络中，CNN结构和RNN结构不能同时使用。

D.CNN适用于图像处理，而RNN适用于序列数据处理。

A.输出门

B.遗忘门

C.记忆门

D.输入门

A.LSTM

B.word2vec

C.SVM

D.LDA主题模型

A./etc/grub

B./boot.ini

C./etc/gru

D./etc/inittab

A.因为LSTM内部结构足够复杂

B.因为LSTM能够对时间序列进行卷积

C.因为LSTM适合各种预测任务

D.因为LSTM能捕捉时序关系

A.梯度消失

B.梯度爆炸

C.eLU函数作为激活函数g(.)，在计算g(z)时，z的数值过大了

D.Sigmoid函数作为激活函数g(.)，在计算g(z)时，z的数值过大了

A.RNN

B.CGAN

C.CNN

D.GAN