题目内容
（请给出正确答案）
[单选题]
下列选项中关于随机梯度下降法的说法，正确的是（)
A.随机梯度下降法最终收敛的点不一定是全局最优
B.随机梯度下降法最终收敛的点一定是全局最优
C.无论随机梯度下降法存不存在最终收敛的点，一定可以找到最优解
D.无论随机梯度下降法存不存在最终收敛的点，一定不能找到最优解
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.随机梯度下降法最终收敛的点不一定是全局最优
B.随机梯度下降法最终收敛的点一定是全局最优
C.无论随机梯度下降法存不存在最终收敛的点，一定可以找到最优解
D.无论随机梯度下降法存不存在最终收敛的点，一定不能找到最优解
如果结果不匹配，请 联系老师 获取答案
更多“下列选项中关于随机梯度下降法的说法，正确的是()”相关的问题
A.负梯度方向是使函数值下降最快的方向
B.当目标函数是凸函数时，梯度下降法的解是全局最优解
C.梯度下降法比牛顿法收敛速度快
D.拟牛顿法不需要计算Hesse矩阵
A.负梯度方向是使函数值下降最快的方向
B.当目标函数是凸函数时，梯度下降法的解是全局最优解
C.梯度下降法比牛顿法收敛速度快
D.拟牛顿法不需要计算Hesse矩阵
A.多项式阶数
B.更新权重w时，使用的是矩阵求逆
C.使用常数项
D.使用梯度下降法
A.当优化问题的数值解接近局部最优值时，随着目标函数解的梯度接近或变为零，通过最终迭代获得的数值解可能仅使目标函数局部最优，而不是全局最优
B.在深度学习优化问题中，经常遇到的是梯度爆炸或梯度消失
C.优化问题中设置的学习率决定目标函数能否收敛到局部最小值，以及何时收敛到最小值
D.一般来说，小批量随机梯度下降比随机梯度下降和梯度下降的速度慢，收敛风险较大
A.RNN的隐层神经元的输入包括其历史各个时间点的输出
B.RNN比较擅长处理时序数据，例如文本的分析
C.在各个时间点，RNN的输入层与隐层之间、隐层与输出层之间以及相邻时间点之间的隐层权重是共享的，因为不同时刻对应同一个网络
D.RNN的损失函数度量所有时刻的输入与理想输出的差异，需要使用梯度下降法调整参数不断降低损失函数
