下列哪个是RNN的一个主要优势?A. 对噪声不敏感B. 能够捕捉长距离依赖关系C. 处理速度快D. 易于训练

循环神经网络（RNN）的核心优势在于处理序列数据时能够捕捉时间或位置上的依赖关系。在自然语言处理、时间序列预测等任务中，数据的前后文信息至关重要。RNN通过内部状态记忆历史信息，从而在理论上能够建模长距离依赖（如一句话中首尾词的关联）。虽然传统RNN在捕捉长依赖时存在梯度消失问题，但后续的LSTM、GRU等改进结构通过门控机制有效缓解了这一问题，进一步巩固了RNN在序列建模中的优势地位。

选项分析

A. 对噪声不敏感

RNN并非专门针对噪声鲁棒性设计。噪声处理更多依赖数据预处理或正则化方法（如Dropout），而非RNN本身的结构特点。

B. 能够捕捉长距离依赖关系

RNN的核心设计目标是处理序列依赖。通过循环结构，RNN可将历史信息传递到当前处理步骤，理论上能关联序列中相隔较远的元素（如长句中的语义关联）。尽管传统RNN在此能力有限，但其衍生模型（如LSTM）通过机制强化了这一优势。

C. 处理速度快

RNN的计算效率较低。由于序列处理的串行特性，RNN训练速度通常慢于卷积神经网络（CNN）等并行友好模型。

D. 易于训练

RNN训练难度较高。传统RNN易出现梯度消失/爆炸问题，需借助特殊技巧（如梯度裁剪、使用LSTM）才能稳定训练。