题目内容
（请给出正确答案）
A.当神经网络的隐层增加时，就容易发生梯度消失问题，表现在靠近输入层的权重难以更新。
B.网络梯度消失可能导致有些权重难以更新，导致网路训练失败。
C.网络梯度消失可以通过改变隐层和输出层的神经元激活函数减弱。
D.网络梯度消失可以通过减少隐层神经元的个数减弱。
参考答案
简答题官方参考答案
（由简答题聘请的专业题库老师提供的解答）
网友提供的答案
更多“下面有关神经网络梯度消失说法错误的是（）”相关的问题
A、对激活函数的输出结果进行范围限定，有助于梯度平稳下降，而ReLU输出范围无限的函数会导致梯度消失问题。
B、ReLU函数中所有负值均被截断为结果0，从而导致特征丢失，可适当调高学习率避免此类情况。
C、在神经网络训练中，动态调整学习率综合考虑当前点的梯度、最近几次训练误差的降低情况等效果更好。
D、随机梯度下降（SGD）每次更新只随机取一个样本，按照固定学习率计算梯度，所以速度较快。
A、利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。
B、神经网络实现多类问题的分类时可以用多个神经网络组合来实现。
C、利用神经网络来实现多类问题的分类时，可以采用一个具有的多个输出节点的神经网络来实现。
D、在利用神经网络进行分类时，神经网络的输入节点的个数多于输入的特征数量。
A、1-f(x)
B、f(x)[1-f(x)]
C、1/f(x)-1
D、f(x)[1+f(x)]
A、8*8*12
B、8*8*8
C、14*14*12
D、14*14*8
A、预剪枝是在节点分枝前确定是否要继续树增长，可以比较分枝前后的准确率确定。
B、预剪枝可能导致欠拟合，因此要通过训练样本检验确定合适的树深度。
C、C4.5算法可以处理回归问题。
D、C4.5决策树的目标函数是信息增益。
警告：系统检测到您的账号存在安全风险
为了保护您的账号安全，请在“简答题”公众号进行验证，点击“官网服务”-“账号验证”后输入验证码“”完成验证，验证成功后方可继续查看答案！
