所谓深度学习，是指多层神经网络中每一层学一个简单的任务，从简单的部件构成复杂对象的过程。

深度学习是隐藏层更多的人工神经网络模型。 MLP神经网络的信号一层一层地向前传递，通过隐含层的计算并传达到输出层，是一种前馈神经网络 当隐藏层大于的神经网络叫做深度神经网络（） BP神经网络是一种按照（）训练的多层前馈神经网络，是应用最广泛的神经网络 深度学习是基于RNN循环神经网络。 人工神经元网络与深度学习的关系是: 人工神经元网络是深度学习的前身|深度学习与人工神经元网络无关|深度学习是人工神经元网络的一个分支|深度学习是人工神经元网络的一个发展 当倒传递神经网络（BP神经网络）无隐藏层，输出层个数只有一个的时候，也可以看做是逻辑回归模型。 机器学习的一个最新研究领域是: 数据挖掘|神经网络|类比学习|自学习 深度学习源于人工神经网络的研究（） 隐藏层就是神经网络中输入与输出层之间的中间层，训练数据并没有给出这些层中的每一层所需的输出（） 分层型神经网络将一个网络模型中的所有神经元功能分为若干层，一般有输入层、（）和输出层 BP神经网络是一种按照误差逆转传播算法训练的多层前馈网络，学习算法是（） 人工神经网络的本质是一个函数（） 人工神经网络的本质是一个函数（） 已知全连接神经网络的某一层的参数总量为330,则上一层和本层的神经元数量 可能为? 已知全连接神经网络的某一层的参数总量为33,则上一层和本层的神经元数量可能为？--（） REF神经网络是 层前向神经网络 ( ) 一个循环神经网络可以被展开成为一个完全连接的、具有无限长度的普通神经网络。 以下关于神经网络和深度学习说法正确的是（ ） 在前馈网络中，多个神经元互连以组织一个互连神经网络。