在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。

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。

A.BP网络是一种前馈网络,其隐单元必须分层，又称为多层前馈网络

B.反向传播的目的是为了修改各层神经元的权值，使误差信号最小

C.正向传播是输入信息由输入层传至隐层，最终在输出层输出

D.输出层连接权调整、隐层连接权调整

A.在BP算法中，每个神经元单元可包含不可偏导的映射函数

B.对前馈神经网络而言，BP算法可调整相邻层神经元之间的连接权重大小

C.BP算法是一种将输出层误差反向传播给隐藏层进行参数更新的方法

D.BP算法将误差从后向前传递，获得各层单元所产生误差，进而依据这个误差来让各层单元修正各单元参数

A.相邻层神经元和神经元之间的连接权重

B.同一层神经元之间的连接权重

C.输入数据大小

D.神经元和神经元之间连接有无

A.BP算法是从输入层开始，逐层计算δ信号调整自身权重，并且将δ信号传向后一层

B.BP算法的出现解决了多层神经网络权重调整困难的问题

C.BP算法的核心是对隐含层神经元误差E的估计

D.BP算法对多层网络训练时使用的sigmoid激活函数存在“梯度弥散”问题

A.BP神经网络是前馈神经网络

B.BP神经网络的参数权重值是由反向传播学习算法进行调整的

C.BP神经网络模型拓扑结构包括输入层、隐层和输出层

D.BP神经网络利用激活函数来实现从输出到输入的非线性映射

A.BP神经网络是前馈神经网络

B.BP神经网络的参数权重值是由反向传播学习算法进行调整的

C.BP神经网络模型拓扑结构包括输入层、隐层和输出层

D.BP神经网络利用激活函数来实现从输出到输入的非线性映射