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、感知器的信号处理分为四个部分：输入、汇总、激活、输出

B、汇总后的输入信号如果高于阈值，则产生“激活”信号，否则仍基本维持原有水平

C、在输入端，神经元只接受来自一个信号源的输入信息

D、输入为实例的特征向量，由激活函数计算输出，输出为1、-1两个值

A.BP模型

B.感知器模型

C.CNN模型

D.M-P模型

A.梯度下降法

B.最小均方误差

C.最大均方误差

D.平均值法

A.A.二者都有输入、激活和输出

B.B.二者都是由多个神经元组成的多层神经网络

C.C.输入信号向后传递的过程中，都是加权和的计算

D.D.二者学习的关键都是神经元的损失计算

A.只要是训练数据集线性可分，感知器算法就一定能收敛。

B.感知机学习算法存在许多的解，对同一个训练集来说，感知机初值的选择不同，最后得到的解就可能不同。

C.多层感知器是感知器的推广，克服了感知器不能对线性不可分数据进行识别的弱点。

D.当训练数据集线性不可分的情况下，袋式算法(PocketAlgorithm)使感知机也可以收敛于一个相对理想的解。

A.激活函数需要具有线性可微的特点

B.Sigmoid函数的导数是非零的，很容易计算

C.Sigmoid函数的输出值域是对称的

D.ReLU函数主要缺点是相比于Sigmoid、Tanh函数其计算低效

A.由于支持向量机是基于所有训练数据寻找最大化间隔的超平面，而感知器算法却是相对随意的找一个分开两类的超平面，因此大多数时候，支持向量机画出的分类面往往比感知器算法好一些。

B.支持向量机是把所有训练数据都输入进计算机，让计算机解全局优化问题

C.感知器算法相比于支持向量机算法消耗的计算资源和内存资源更少，但是耗费的计算资源更多

D.以上选项都正确

A.似然函数是一种关于统计模型中的参数函数

B.它标识模型参数中的似然性

C.用于在已知某些观测得到的结果时，对有关事物的性质的参数进行估计

D.似然函数在统计推动中有重大作用