BP（后向传播）神经网络具有很强的学习能力，根据Kolmogorov定理，一个三层BP网络可以任意精度逼近一个任意给定的连续函数；这与BP网络的结构特性有关，包括（ ）。
A: 至少包含一个隐藏层
B: 隐藏层中神经元的激励函数为非线性函数
C: 是一个全连接网络（下一层神经元与上一层的所有神经元连接）
D: 是一种反馈型神经网络
A: 至少包含一个隐藏层
B: 隐藏层中神经元的激励函数为非线性函数
C: 是一个全连接网络（下一层神经元与上一层的所有神经元连接）
D: 是一种反馈型神经网络
举一反三
- BP 网络具有很强的学习能力，根据Kolmogorov定理，一个三层的BP网络就可以任意精度逼近一个任意给定的连续函数f;这与BP网络的结构特性相关，它（ ）。 A: 是一种反馈型神经网络 B: 至少包含一层隐含层 C: 是一个全连接网络（西一层神经元与上一层的所有神经元连接） D: 隐含层中的神经元的激励函数为非线性函数
- BP（后向传播）神经网络的特点包括（）。 A: 至少包含一个隐藏层 B: 网络中下一层神经元与上一层的所有神经元连接 C: 是一种多层前向（前馈）人工神经网络 D: 神经元的激励函数可以是线性函数也可以是非线性函数
- 关于BP（反向传播）神经网络，正确的说法包括（ ）。 A: 至少包含一个隐藏层 B: 网络中下一层神经元与上一层的所有神经元连接 C: 是一种多层前向（前馈）人工神经网络 D: 同一层的神经元与神经元之间是连接的
- 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？