将多层的BP神经网络用于解决分类问题时，其输入层和输出层的神经元个数可以通过给定的样本确定，但中间隐层的个数及隐层的神经元个数确定目前尚无有效的理论和方法。
A: 正确
B: 错误
A: 正确
B: 错误
举一反三
- 中国大学MOOC: 将多层的BP神经网络用于解决分类问题时，其输入层和输出层的神经元个数可以通过给定的样本确定，但中间隐层的个数及隐层的神经元个数确定目前尚无有效的理论和方法。
- 对于神经网络的基本结构，下列说法正确的是（） A: 根据样本特征的个数来确定输入层神经元的个数 B: 根据样本类别的数量来确定输出层神经元个数 C: 隐含层的个数和每一层神经元的个数是固定的 D: 隐含层的个数和每一层神经元的个数是可变的
- 神经网络的（ ）一般需要通过示例样本训练获得。 A: 权重 B: 阈值 C: 输出层的神经元个数 D: 输入层的神经元个数
- 采用BP算法的神经网络模型称为（），一般由输入层、隐层和输出层组成，隐层可以是一层或者多层，每个层中又包含许多单个神经元，在BP神经网络中，层与层之间的神经元是全连接，层内部的神经元之间是无连接的。 A: BP神经网络 B: CNN C: NLP D: NLU
- 下面有关神经网络梯度消失说法错误的是（） A: 当神经网络的隐层增加时，就容易发生梯度消失问题，表现在靠近输入层的权重难以更新。 B: 网络梯度消失可能导致有些权重难以更新，导致网路训练失败。 C: 网络梯度消失可以通过改变隐层和输出层的神经元激活函数减弱。 D: 网络梯度消失可以通过减少隐层神经元的个数减弱。