在神经网络模型中，隐藏层的数量大于（ ）就是一个深度神经网络模型。
举一反三
- 深度神经网络的深度一般是指网络隐藏层的数量
- 人工神经网络（Artificial Neural Network,ANN）是20世纪80年代以来人工智能领域兴起的研究热点。它是从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也简称为神经网络或类神经网络，其本质是一种【1】模型。从神经网络的逻辑架构来看，在网络中，分成输入层，隐藏层，和输出层。【2】负责接收信号，【3】负责对数据的分解与处理，最后的结果被整合到【4】。具有多个隐藏层的神经网络被称为深度神经网络，基于深度神经网络的学习研究称之为【5】。深度学习模型中最常用的模型有【6】网络、循环神经网络和生成式对抗网络候选项：A.深度学习 B.输入层 C. 输出层 D. 神经 E. 隐藏层 F. 计算 G. 数学 H. 卷积神经
- 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，
- 关于深度学习或深度神经网络的说法正确的有() A: 深度学习采用多层前向神经网络 B: 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 C: 深度神经网络相邻层节点之间有连接，但不一定是全连接 D: 深度神经网络同一层及跨层节点之间无连接
- 传统的BP神经网络模型仅有几层网络，而深度神经网络的层数很多，与神经网络模型相比性能更强。