有关前馈神经网络的认识正确的是？

A、各个神经元接受前一级神经元的输入，并输出到下一级

B、层与层之间通过“全连接”进行连接，即两个相邻层之间神经元完全成对连接

C、同一层内的神经元相互不连接

D、同一层内神经元之间存在全连接

A、同层神经元之间存在连接

B、在前馈神经网络FNN中，隐含层均为标准神经元，带有激活函数

C、隐含层，是指其中神经元的状态在输出端无法直接观测

D、隐含层输入的权重需要学习得到

A、感知器可拟合任意的非线性函数。

B、神经网络的结构多样，但它们只能处理监督式学习问题。

C、BP神经网络通过调整网络的权重和偏置，使得损失函数逼近最小，从而达到拟合训练样本的目的。

D、神经网络可以直接处理非数值型的输入数据。

A、是一种端到端学习的方法

B、是一种监督学习的方法

C、实现了非线性映射

D、隐藏层数目大小对学习性能影响不大

A、感知器网络

B、BP网络

C、径向基函数网络

D、Hopifield网络

A、卷积核越大越好。

B、不同卷积层或同一卷积层只能用一种大小的卷积核。

C、在卷积层之前使用池化操作，可以减少卷积层参数量。

D、类似AlexNet网络使用的分组卷积可以增加卷积层的参数量。

A、神经网络神经元的输出都是传给其他神经元，不能再反馈回来。

B、神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化。

C、神经网络不同层次的神经元可以使用不同的激活函数。

D、均方差损失函数是神经网络常用的一种代价函数（损失函数）。

A、网络将每一层的神经元串联起来

B、上一层的输出是下一层的输入

C、网络中有反馈连接

D、可以有多个隐含层