正确答案是A: Sigmoid函数, B: ReLU函数, 和C: tanh双曲正弦函数。

分析：

A: Sigmoid函数是一种常用的激活函数，尤其是在早期的神经网络中。它将输入值压缩到0到1之间，使其适合用于输出概率的场景。然而，Sigmoid函数存在梯度消失问题，在深层网络中效果不佳。

B: ReLU函数（Rectified Linear Unit）是目前最流行的激活函数之一，尤其是在深度神经网络中。ReLU函数的优点是计算简单，并且能够有效缓解梯度消失问题。然而，它在某些情况下可能导致神经元“死亡”，即输出恒为零。

C: tanh双曲正弦函数也是一种常用的激活函数。与Sigmoid函数类似，tanh函数将输入值压缩到-1到1之间。相较于Sigmoid函数，tanh函数的输出均值为0，因此在某些情况下可以加速收敛。不过，tanh函数同样存在梯度消失问题。

D: MSE函数（Mean Squared Error，均方误差）不是激活函数，而是一种常用的损失函数，主要用于回归问题中衡量模型预测值与真实值之间的差异。

综上所述，A、B和C是神经网络中常用的激活函数，而D是损失函数。