如果深度学习神经网络出现了梯度消失或梯度爆炸问题我们常用的解决方法为:（)

A.正向传播更新参数

B.正向传播计算结果

C.反向传播更新参数

D.反向传播计算结果

A.循环神经网络可以根据时间轴展开

B.LSTH也是种循环神经网络

C.LSTM无法解决梯度消失的问题

D.循环神经网络可以简写为RNN

A.收敛过程比较缓慢

B.难以收敛到极值

C.容易遇到局部极值问题

D.可以避免局部极值问题

A.反向传播只能在前馈神经网络中运用

B.反向传播会经过激活函数

C.反向传播可以结合梯度下降算法更新网络权重

D.反向传播指的是误差通过网络反向传播

A.50

B.100

C.130

D.150

A.是一种端到端学习的方法

B.是一种无监督学习的方法

C.实现了非线性映射

D.隐含层数目大小对学习性能影响不大

A.3000m

B.4000m

C.5000m

D.6000m

A.5min

B.10min

C.20min

D.大于仪器感温

A.开采深度每增加10m相对瓦斯涌出量的平均增加值

B.开采深度每增加lm相对瓦斯涌出量的平均增加值

C.开采深度每增加10m绝对瓦斯涌出量的平均增加值

D.开采深度每增加lm绝对瓦斯涌出量的平均增加值