循环神经网络（RNN)每一个时间步之间的迁移中使用了共享参数（权重等），与前馈神经网络比较更不容易引起梯度消失问题

A、多对多的同步序列输入输出。如词性标注等

B、多对一的处理，如判断一段文字的情感分类

C、多对多的非同步序列输入和序列输出，如机器翻译中输入英文语句然后翻译为法语形式输出

D、一对多的序列输出。如输入一张图片，生成输出一段文字序列

A、循环神经网络通常被用于处理序列数据

B、LSTM网络是对简单RNN网络的改进

C、循环神经网络不需要激活函数

D、循环神经网络中之前时间步的输出会影响后续时间步的输出

A、神经网络的模型存储于神经元之间的权重中，即以权重的形式保存模型

B、在训练神经网络过程中，参数不断调整，其调整是基于损失函数的结果。

C、每一次Epoch都会对之前的参数进行调整，迭代次数越多，参数一定越准。

D、模型参数量需要与特征数相匹配，但没有固定的对应规则。

A、模型的网络结构是通过句法分析得到的

B、语料自身富含情感倾向信息

C、训练语料采用人工标注

D、父节点的向量通过利用组合函数g由其孩子节点的向量得到

A、网络将收敛

B、网络将无法收敛

C、网络很快达到训练目标

D、训练过程中代价函数的震荡

A、步长

B、核大小

C、神经网络层数

D、权重系数

B:全连接神经网络(FNN)

C:卷积神经网络(CNN)

D:KNN算法