下面哪些关于卷积神经网络的说法是错误的？

A.ReLU非线性激活函数的收敛速度比Sigmoid快一些

B.在限制神经元总数的情况下，增加网络的宽度要比增加网络的深度能带来更强的网络表示能力

C.激活函数为Tanh的深层神经网络可以看成一个复合的非线性多元函数

D.输入一个300*300的彩色图，经过10个5*5的卷积核，隐层的参数量为750（包括偏置）

A.卷积层使用卷积+ReLU+batch normalization的结构

B.mini-batch的batch值越大越好

C.增加池化层的个数可以提高网络训练参数，但降低了网络性能

D.激活函数尽量选择Sigmoid等函数，提高网络的非线性拟合能力

A.tanh

B.Softmax

C.Sigmoid

D.ReLU

A.Sigmoid

B.tanh

C.ReLU

D.Softmax

A.Sigmoid

B.tanh

C.ReLU

D.Softmax

A.sigmoid函数可以将一个实数转化为0到1之间

B.sigmoid函数的取值范围为(0,1)

C.sigmoid函数常用于二分类问题

D.sigmoid函数的定义域为[-1, 1]

A.sigmoid函数可以将一个实数转化为0到1之间

B.sigmoid函数的取值范围为(0,1)

C.sigmoid函数常用于二分类问题

D.sigmoid函数的定义域为[-1, 1]

A.在自然语言处理领域的应用比计算机视觉领域更广泛、更成功

B.图像的卷积，很类似视觉皮层对图像进行某种特定功能的处理

C.卷积神经网络模拟了人类视觉信息处理的过程

D.模拟大脑的视觉处理过程就是卷积神经网络的思路

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