根据神经元的不同连接方式，可将神经网络分为两大类：分层网络和相互连接型网络。分层网络将一个神经网络模型中的所有神经元按照功能分为若干层。一般有输入层、隐含层（中间层）和输出层，各层顺次连接。下面图形（ ）对应的是相互连接型网络。
未知类型：{'options': ['', '', '', ''], 'type': 102}
未知类型：{'options': ['', '', '', ''], 'type': 102}
举一反三
- 分层型神经网络将一个网络模型中的所有神经元功能分为若干层，一般有输入层、（ ）和输出层。 A: 算法层 B: 中间层 C: 网络层 D: 运算层
- 具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通；神经元从一层连接至下一层，不存在同层神经元间的连接的神经网络是（） A: 前馈网络 B: 递归网络 C: Elmman网络 D: Hopfield网络
- BP型人工神经网络是具有无反馈、层内无互连的多层结构的神经网络。典型的BP网络是一种具有三层及以上结构的无反馈连结构的前向网络，其中首尾两层分别被称为输入层和输出层，中间各层称为隐含层，各层之间的神经元为全连接关系，层内的各个神经元之间无连接。采用有导师学习的方式进行训练和学习。 A: 正确 B: 错误
- 单一神经元的功能是有限的，将很多神经元连接在一起传递信息来协作完成复杂的功能，这就是神经[br][/br]网络。神经元的不同连接方式构成不同的网络结构，按照拓扑结构划分，可以分为（）。 A: 前馈神经网络 B: 后馈神经网络 C: 反馈神经网络 D: 图网络
- 分层型神经网络可以细分为三种互联形式；简单的前向网络、具有反馈的前向网络、以及层内有相互连接的前向网络。（ ）