对于有关神经网络分析与挖掘的描述中，错误的是（ ）。
A: Weka在训练神经网络过程中，不可对其进行修改。
B: Weka神经网络使用多层感知器，实现了BP神经网络。
C: BP神经网络由一个输入层、一个隐含层和一个输出层构成
D: 神经网络由大量节点和节点之间相互连接而构成，每个节点代表一种特定的输出函数，称为激励函数。
A: Weka在训练神经网络过程中，不可对其进行修改。
B: Weka神经网络使用多层感知器，实现了BP神经网络。
C: BP神经网络由一个输入层、一个隐含层和一个输出层构成
D: 神经网络由大量节点和节点之间相互连接而构成，每个节点代表一种特定的输出函数，称为激励函数。
举一反三
- Weka中的神经网络使用多层多层感知器实现BP神经网络。
- 深度学习或深度神经网络是多层 （） 神经网络，相邻层节点之间有（ ） ，但不一定是全连接；同一层及跨层节点之间 （ ）， 神经网络的隐藏层数量体现了网络的“深度”，一般应具有多个隐藏层，
- 关于BP神经网络，描述不正确的是（ ） A: BP神经网络中，层与层的连接是双向的，信息的传播是单向的 B: BP神经网络是多层前向（前馈）网络 C: BP学习算法中，误差信息是反向传播的，即从第一个隐层到输出层逐层修改各层神经元的连接权值，从而使网络误差最小。 D: 是否存在一个BP神经网络能够逼近给定的样本或者函数是解决BP神经网络学习问题的关键问题之一。
- 假设一个BP神经网络的输入层、隐层和输出层分别有3、6和4个神经元，请问这个网络一共有多少个权重需要训练？
- BP网络是一种前馈网络,即误差反向传播神经网络,一般的前馈网络包括:一个输入层、一个输出层、若干隐单元。()