A、循环神经网络可以根据时间轴展开
B、LSTM 无法解决梯度消失的问题
C、LSTM 也是一种循环神经网络
D、循环神经网络可以简写为 RNN
答案：B
A、循环神经网络可以根据时间轴展开
B、LSTM 无法解决梯度消失的问题
C、LSTM 也是一种循环神经网络
D、循环神经网络可以简写为 RNN
答案：B
A. LeNet-5
B. AlexNet
C. ResNet50
D. ResNet152
A. 卷积可视化解释
B. 反向传播算法
C. 非线性激活函数
D. 深度神经网络
A. 评估
B. 导出
C. 输出
D. 导入
解析：主要应用
A. flask
B. Tensorflow
C. Keras
D. Mxnet
解析：见算法解析
A. 卷积神经网络
B. 循环神经网络
C. 全连接神经网络
D. 卷积和循环神经网络
解析：见算法解析
A. 实现机器智能
B. 实现自我学习
C. 降低搭建成本
D. 超越人类
A. 序列数据的输入和输出通常是不固定的，有的序列长，有的序列短
B. 全连接网络的根本不能处理任何序列数据
C. 全连接网络的层次太深导致梯度消失，所以不能处理序列问题
D. 命名实体识别问题是一个无法解决的问题，全连接网络也不能解决这个问题
解析：序列数据的输入和输出通常是不固定的，有的序列长，有的序列短，因此不能用多层全连接网络解决命名实体识别问题
