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
A: BP神经网络
B: CNN
C: NLP
D: NLU
举一反三
- 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？
- 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。
- BP神经网络同一层之间的神经元相互无连接。（ ）
- 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
- BP多层前向神经网络主要由 组成。 A: 输入层 B: 输出层 C: 推理层 D: 隐层