62、下列关于“感知器”的说法不正确的是（）

A.感知器的误差足够精确，权重能够快速收敛

B.学习率用于控制权重调整

C.感知器学习样本特征的过程在模型中体现为感知器权重的调整过程

D.感知器的信号处理分为“输入、汇总、激活、输出”四个部分

A.感知器模型中的激活函数是二值函数时，损失函数是可导的

B.感知器模型的关键，就是通过调整权重使一类样本可以激活神经元，而另一类则不会

C.权重调整采用“奖惩分明”策略，即对于能够准确判断样本类型的权重，提高当前权重比例，反之则降低当前权重比例

D.一层感知器只能针对线性可分的数据集分类，无法解决异或（XOR）问题

A.重调整采用“奖惩分明”策略，即对于能够准确判断样本类型的权重，提高当前权重比例，反之则降低当前权重比例

B.感知器模型的关键，就是通过调整权重使一类样本可以激活神经元，而另一类则不会

C.一层感知器只能针对线性可分的数据集分类，无法解决异或（XOR）问题

D.感知器模型中的激活函数是二值函数时，损失函数是可导的

A.我们就可以使用感知器来学习样本，“感知”到两类样本的差别

B.不用学习，感知器就可以正确预测样本的类型

C.感知学习的过程，权重保持不变

D.感知器模型通过调整权重，所有样本都能激活神经元

A.神经元感知器是一种简单的前馈式神经网络

B.神经元感知器可以接收n个输入，对应n个权重值

C.神经元感知器接收的n个输入对应n个偏置值

D.神经元感知器经过激活函数变换后输出结果

A.神经元感知器是一种简单的前馈式神经网络

B.神经元感知器可以接收n个输入，对应n个权重值

C.神经元感知器接收的n个输入对应n个偏置值

D.神经元感知器经过激活函数变换后输出结果

A.感知器是最简单的前馈式人工神经网络

B.感知器中的偏置只改变决策边界的位置

C.单层感知器可以用于处理非线性学习问题

D.可为感知器的输出值设置阈值使其用于处理分类问题

A.感知器模型的激活函数可导，可以通过梯度下降求解损失函数最小值

B.损失函数用于衡量当前权重在整个数据集上的总误差

C.标准神经元每个输入端具有不同的权重

D.Sigmoid函数是连续可导的，同时具有“两极分化”的特点

A.多层感知器网络在早期的发展中存在如何训练的问题

B.网络的层数多少和逼近能力呈正相关

C.隐层神经元的输出误差可以直接获取

D.BP网络中每个神经元学习的规则都是误差反馈学习