在Skip-gram的实际实现中，vocab_size通常很大，导致W非常大。为了缓解这个问题，通常采取（）的方式来近似模拟（）任务。

A. 正确$;$错误

A. 循环神经网络RNN$;$ LeNet-5网络$;$ 长短期记忆网络LSTM$;$ 门控循环单元GRU

A. 平方损失函数$;$交叉熵损失函数$;$原型损失函数$;$累加合损失函数

A. 感知机根据正确的程度进行权重调整$;$输入层接收外界输入信号传递给输出层$;$输出层是M-P神经元$;$感知机能容易实现逻辑与、或、非运算

A. 图像$;$视频$;$语音$;$文本

A. a$;$b$;$c$;$true

A. 隐藏层层数增加，模型能力增加$;$Dropout的比例增加，模型能力增加$;$学习率增加，模型能力增加$;$都不正确