题目内容
（请给出正确答案）
[单选题]
假设我们有一个使用ReLU激活函数（ReLU activation function）的神经网络，假如我们把ReLU激活替换为线性激活，那么这个神经网络能够模拟出同或函数（XNOR function）吗？（）
A.可以
B.不好说
C.不一定
D.不能
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.可以
B.不好说
C.不一定
D.不能
如果结果不匹配，请 联系老师 获取答案
更多“假设我们有一个使用ReLU激活函数（ReLU activat…”相关的问题
假设我们有一个使用ReLU激活函数（ReLU activation function）的神经网络，假如我们把ReLU激活替换为线性激活，那么这个神经网络能够模拟出同或函数（XNOR function）吗？（）
A.能
B.依情况而定
C.不一定
D.不能
A.常用的激活函数有Sigmoid函数、Relu函数
B.Sigmoid函数可以将负无穷到正无穷的范围转换为0~1之间
C.Sigmoid函数的表达式为
D.逻辑回归中使用激活函数的目的是减少误差
A.ReLU的单侧抑制提供了网络的稀疏表达能力。
B.ReLU在其训练过程中会导致神经元死亡的问题。
C.从计算的角度上，Sigmoid和Tanh激活函数均需要计算指数，复杂度高，而ReLU只需要一个阈值即可得到激活值。
假定在神经网络中的隐藏层中使用激活函数x。在特定神经元给定任意输入，得到输出「-0.0001」。x可能是以下哪一个激活函数？（）
A.ReLU
B.tanh
C.SIGMOID
D.以上都不是
A.ReLU
B.tanh
C.Sigmoid
D.以上都有可能
A.梯度消失
B.梯度爆炸
C.ReLU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.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.RMSProp学习率调整策略引入累积梯度的概念，从而解决学习率过早趋向于0而结束训练
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
