核心考点：优化算法的特性。 解题思路分析：Momentum算法会在更新参数时，考虑之前的梯度方向，利用动量的概念加速收敛并减少震荡。其他几种优化方法主要考虑的是当前梯度。 选项分析： A. 随机梯度下降 (SGD)：每次迭代只使用一个样本的梯度更新参数，不考虑之前的梯度方向。 B. 批量梯度下降 (BGD)：每次迭代使用全部样本的梯度更新参数，不考虑之前的梯度方向。 C. Momentum：通过引入动量项，可以利用之前的梯度方向来加速收敛并减少震荡，符合题目描述。 D. Adam：是自适应学习率优化算法，虽然也利用了动量，但其重点是自适应调整每个参数的学习率，而非利用之前的梯度方向。 易错点提醒：容易把Adam和Momentum的作用混淆，注意Adam重点是自适应学习率，Momentum重点是利用之前的梯度。