典型的多层神经网络模型——BP神经网络在确定神经网络的权值过程中采用了关于输出误差的（）。

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算法的提出很好地解决了“多层”问题

B.2001年互联网泡沫破裂导致许多人工神经网络的研究被迫中断

C.LeCun将BP算法应用于神经网络的训练，并提出了卷积神经网络的第一个正式模型——LeNet-5

D.九十年代中期提出的SVM算法取代神经网络算法成为主流

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神经网络的训练过程中，先进行后向传播再进行前向传播

B.通过损失函数对后向传播结果进行判定

C.通过前向传播过程对权重参数进行修正

D.训练过程中权值参数的运算量很大，一般采用梯度下降法

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.输入

B.输出

C.误差

D.权值

A.Apriori算法、HotSpot算法

B.RBF神经网络、K均值法、决策树

C.K均值法、SOM神经网络

D.BP神经网络、贝叶斯