下面关于多层神经网络的说法中，错误的是

A、BP网络是是一种按误差反向传播算法训练的多层前馈网络。

B、BP算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。

C、在BP算法中数据流的正向传播时，数据的传播方向是输入层→隐层→输出层。

D、在BP算法中数据的正向传播和误差的反向传播是同时进行的。

A、在选择神经网络的层数时，隐藏层的层数应该是越少越好。

B、神经网络的模型受到神经元的传递函数、网络结构和连接权值的学习这三个因素的影响。

C、在多层前馈网络中，若隐层节点数量太少，会出现欠学习的问题。

D、在多层前馈网络中，若隐层节点数量太少，会出现过学习的问题。

A、是典型的分层前馈神经元网络

B、BP神经网络的基本网络结构从多层感知器而来

C、相邻两层神经元之间是全连接的

D、BP网络中每个神经元学习的规则不是误差反馈学习

A、BP网络是一种前馈网络,其隐单元必须分层，又称为多层前馈网络

B、反向传播的目的是为了修改各层神经元的权值，使误差信号最小

C、正向传播是输入信息由输入层传至隐层，最终在输出层输出

D、BP神经网络学习算法最核心的三部分是权值调整、输出层连接权调整、隐层连接权调整

A、BP算法是从输入层开始，逐层计算δ信号调整自身权重，并且将δ信号传向后一层

B、BP算法的出现解决了多层神经网络权重调整困难的问题

C、BP算法的核心是对隐含层神经元误差E的估计

D、BP算法对多层网络训练时使用的sigmoid激活函数存在“梯度弥散”问题

A、ReLU非线性激活函数的收敛速度比Sigmoid快一些

B、在限制神经元总数的情况下，增加网络的宽度要比增加网络的深度能带来更强的网络表示能力

C、激活函数为Tanh的深层神经网络可以看成一个复合的非线性多元函数

D、输入一个300*300的彩色图，经过10个5*5的卷积核，隐层的参数量为750（包括偏置）

A、单个感知器可以实现线性分类。

B、神经元是神经网络的基本组成单元。

C、多层神经网络由输入层、隐藏层和输出层组成。

D、多个感知器可以解决非线性问题的分类。

A、利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。

B、神经网络实现多类问题的分类时可以用多个神经网络组合来实现。

C、利用神经网络来实现多类问题的分类时，可以采用一个具有的多个输出节点的神经网络来实现。

D、在利用神经网络进行分类时，神经网络的输入节点的个数多于输入的特征数量。

A、Hopfield神经网络是前馈型神经网络

B、Hopfield神经网络的每个神经元都和其他神经元相连

C、连续型Hopfield神经网络的神经元的状态可以取0至1之间的任一实数值

D、Hopfield神经网络引入了“计算能量函数”的概念

A、多层前向神经网络一般需要同一层神经元间相互连接

B、深度学习一般使用具有多个隐藏层的神经网络

C、训练神经网络的主要目的是学习神经元间的连接权值

D、卷积神经网络（CNN）可以逐层抽取数据特征实现自动特征学习