如果结果不匹配，请 
更多“以下跟RNN相关的是（）。”相关的问题
第1题
下列关于RNN、LSTM、GRU说法正确的是（）。
A.RNN引入了循环的概念
B.LSTM可以防止梯度消失或者爆炸
C.GRU是LSTM的变体
D.RNN、LSTM、GRU是同一神经网络的不同说法，没有区别
第3题
为什么RNN网络的激活函数要选用双曲正切而不是sigmod呢（）。
A.使用sigmod函数容易出现梯度消失
B.sigmod的导数形式较为复杂
C.双曲正切更简单
D.sigmoid函数实现较为复杂
第4题
深度学习中如果神经网络的层数较多比较容易出现梯度消失问题，严格意义上来讲是在以下哪个环节出现梯度消失问题？（)
A.正向传播更新参数
B.正向传播计算结果
C.反向传播更新参数
D.反向传播计算结果
第6题
关于梯度消失和梯度消失，以下说法正确的是：（）。
A.根据链式法则，如果每一层神经元对上一层的输出的偏导乘上权重结果都小于1的话，那么即使这个结果是0.99，在经过足够多层传播之后，误差对输入层的偏导会趋于0
B.可以采用ReLU激活函数有效的解决梯度消失的情况
C.根据链式法则，如果每一层神经元对上一层的输出的偏导乘上权重结果都大于1的话，在经过足够多层传播之后，误差对输入层的偏导会趋于无穷大
D.可以通过减小初始权重矩阵的值来缓解梯度爆炸
