一个经典的神经网络是包含（）三个层次。

下图给出了循环神经网络RNN的三个时间步，即的计算关系图。则下列说法中错误的是

A、分别表示t-1时刻，t时刻，以及t+1时刻的隐藏层节点向量

B、分别表示t-1时刻，t时刻，以及t+1时刻的隐藏层节点向量

C、分别表示t-1时刻，t时刻，以及t+1时刻的输出层节点向量

D、与的关系通常为通过公式计算。这里的Softmax函数，或称归一化指数函数，目的是将一个含任意实数的K维向量“压缩”到另一个K维实向量中，使得每一个元素的取值范围都在0和1之间，并且所有元素的和为1

A、输入层

B、隐藏层

C、输出层

D、激励函数层

下图给出了循环神经网络RNN的三个时间步，即的计算关系图。则下列说法中正确的有

A、在RNNs中，每一步(每一层)都共享参数U, V, W

B、在RNNs中，每一步(每一层)都不共享参数U, V, W

C、在计算当前时间步时，只是利用到了上一时间步的信息，不会利用当前步的输入

D、在计算当前时间步时，既利用到了上一时间步的信息，也用到了当前步的输入

A、输入层、隐含层、输出层

B、输入层、计算层、输出层

C、输入层、隐含层、统计层

D、预处理层、隐含层、输出层

A、反馈型

B、前馈型

C、同步型

D、异步型

A、是特征提取层（convolution层）、特征映射层（pooling层）、传统神经网络层的组合

B、每层由多个二维平面组成，每个平面由多个独立神经元组成

C、在图像识别等应用中，能够通过卷积运算等逐层自动提取特征

D、是一种无监督（unsupervised）机器学习模型

A、典型的卷积神经网络是由卷积层、池化层和全连接层等组成

B、卷积神经网络训练时学习的是每层神经元的值

C、AlexNet是一个8层的卷积神经网络

D、目标检测网络Yolo网络结构中包含卷积层

A、一层输入层

B、多层分析层

C、多层隐藏层

D、两层输出层