深度学习的概念源于人工神经网络的硏究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习是基于RNN循环神经网络。 深度神经网络是有一个或者多个隐藏层的传统多层感知器（） 以下（）不是人工神经网络的学习方式 人工神经网络的常用学习方法有: ( ) 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。 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 REF神经网络是 层前向神经网络 ( ) 在深度学习神经网络中,感知器是最简单的神经网络,关于其结构说法正确的是:--（） 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 以下关于神经网络和深度学习说法正确的是（ ） 下面关于人脑神经网络与人工神经网络的说法中，错误的是（ ）: MP模型的提出标志着神经计算时代的开始 人工神经网络的基本模型有：单层前向神经网络和隐层前向神经网络 人脑神经系统的基本单元是神经元，一般所说的神经元是双极神经元，由细胞体、一个轴突和若干树突组成 关于神经网络，著名的赫布规则提出了一个神经网络里信息是储藏在突触连接的权中的概念 关于人工神经网络的特点，表述不正确的是：人工神经网络具有（ ）。 人工神经网络训练 人工神经网络是灰色预测概念的一个重要成分。() 深度学习包含自动编码器、稀疏编码、（）、深信度网络、循环神经网络 人工神经网络属于()系统。 关于神经网络与深度学习的关系表述不正确的是？（） 神经网络输入层 多层前馈神经网络的特点有（） 基于多层前向神经网络的PID控制系统结构有( )内含神经网络的环节。