建立人工神经网络模型的3个关键要素是：人工神经元的数学模型，人工神经网络的拓扑结构，人工神经网络的学习训练算法。

对于人工神经网络，以下（）是超参数？

深度学习其实是人工神经网络的分支，其本质上就是一个深度神经网络。而神经网络又是来自于对生物神经元的模拟。

人工神经网络的学习训练指的是通过神经网络所在环境的刺激作用调整神经网络的自由参数，使神经网络以一种新的方式对外部环境做出反应的一个过程。学习方式可分为有导师学习和无导师学习。

人工神经网络与生物神经网络的区别？

在人工神经网络中，每一个小圆圈都是在模拟一个“神经元”。（）

人工神经网络是一个非线性系统，即便网络中节点（神经元）的激励函数都是线性函数。

人工神经网络是在对复杂的生物神经网络的研究和理解基础上发展起来的。

人工神经网络研究的局限性有哪些？

人工神经网络通过学习过程从外部环境中获取知识，通过内部神经元（突触权值）来存储获取的知识信息。

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。