梯度消失问题主要发生在深层神经网络中，当使用Sigmoid或Tanh激活函数时，由于这些函数的导数在输入值较大或较小时会趋近于0，导致在反向传播过程中梯度逐渐变小，前层权重几乎不更新。ReLU及其变种（如Leaky ReLU和ELU）由于其导数在正区间恒为1，因此能有效缓解梯度消失问题。因此，正确答案是B. Sigmoid。