大数据的最显著特征是()

带有记忆处理的神经元有（）

神经网络可以按（）分类

N-gram模型中，N指的是忽略距离大于n的上文词的影响，N越大时。模型包含的次序信息越丰富，同时计算量随之增大。

NFL（NoFreeLunchTheorem）定理有一个重要前提：所有“问题”出现的机会相同、或所有问题同等重要。

LDA算法假设文档中主题的先验分布和主题中词的先验分布都服从狄利克雷分布。

GMM-HMM模型中，GMM主要用于求某一因素的概率，HMM主要用于对每个文本-语音对建模。

GatedRecurrentunits的出现可以帮助防止在RNN中的梯度消失问题。

Batch归一化简化参数搜索问题。

如果我们希望预测n个类（p1，p2 ... pk）的概率使得所有n的p的和等于1，那么下列哪个函数可以用作输出层中的激活函数？

Dropout是一种在深度学习环境中应用的正规化手段。它是这样运作的：在一次循环中我们先随机选择神经层中的一些单元并将其临时隐藏，然后再进行该次循环中神经网络的训练和优化过程。在下一次循环中，我们又将隐藏另外一些神经元，如此直至训练结束。  根据以上描述，Dropout技术在下列哪种神经层中将无法发挥显著优势？