以下关于神经网络的说法错误的是（）。

A.单层感知器的局限在于不能解决异或问题

B.前馈神经网络可用有向无环图表示

C.随着神经网络隐藏层数的增加,模型的分类能力逐步减弱

D.前馈神经网络同一层的神经元之间不存在联系

A.反向传播只能在前馈神经网络中运用

B.反向传播会经过激活函数

C.反向传播可以结合梯度下降算法更新网络权重

D.反向传播指的是误差通过网络反向传播

A.卷积神经网络只能处理图像信息

B.卷积神经网络是深度学习的代表算法之一

C.卷积神经网络可以用于遥感图像的分割

D.卷积神经网络不只包含卷积层

A.神经网络对训练数据中的噪声非常鲁棒

B.可以处理冗余特征

C.训练ANN是一个很耗时的过程

D.至少含有一个隐藏层的多层神经网络

A.在FPGA硬件下，要求OpenCV运行在CPU或GPU上

B.在VPU硬件下，支持神经网络计算棒

C.在VPU硬件下，不支持macOS操作系统

D.在FPGA硬件下，支持CentOS7.464位

A.卷积神经网络主要用于目标识别、图像分割等方面

B.循环神经网络主要用于处理序列数据

C.长短时记忆神经网络主要用于处理序列数据

D.长短时记忆神经网络是和循环神经网络完全不同的一种新型神经网络

A.RNN引入了循环的概念

B.LSTM可以防止梯度消失或者爆炸

C.GRU是LSTM的变体

D.RNN、LSTM、GRU是同一神经网络的不同说法，没有区别

A.能处理可变长度的序列

B.基于图展开思想

C.基于参数共享思想

D.循环神经网络不可应用于图像数据

A.优化凸目标函数

B.只能在随机梯度下降的情况下进行训练

C.可以混合使用不同的激活功能

D.以上均不是

A.神经网络模型是许多逻辑单元按照不同层级组织起来的网络，每一层的输出变量都是下一层的输入变量

B.神经网络模型建立在多神经元之上

C.神经网络模型中，无中间层的神经元模型的计算可用来表示逻辑运算

D.神经网络模型一定可以解决所有分类问题

A.引用自循环思想

B.产生梯度长时间持续流动的路径

C.积累的时间尺度不可以因输入序列而改变

D.可应用于语音识别和机器翻译