以下关于感知器的说法错误的是：

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.权重衰减是在训练过程中逐渐减少学习率

B.权重衰减是一种正则化技术， 通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制

C.权重衰减通过赋予神经元某个权值从而避免梯度消失

D.当数据集中有噪声时，权重衰减可以在训练中逐渐修正神经网络的权重

A.权重衰减是一种正则化技术，通过惩罚绝对值较大的模型参数为需要学习的模型增加了限制

B.权重衰减在训练的过程中逐渐减少学习率

C.权重衰减通过赋予某个神经元某个权值从而避免梯度消失

D.当数据集有噪声的时候，权重衰减可以在训练时逐渐修正权重

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算法的核心是对隐含层神经元误差E的估计

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

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