以下关于神经网络的说法错误的是？（）

A.递归神经网络不允许网络中出现环形结构

B.减少神经网络层数，可能会降低测试集分类错误率

C.循环神经网络适合处理序列数据

D.卷积神经网络可以应用于图像分类

A.低错误率

B.可解释性好

C.训练时间长

D.结构较复杂

A.CNN中的全连接层常用softmax作为激活函数。

B.CNN中的池化层用于降低特征图维数，以避免过拟合。

C.CNN由卷积层、池化层和全连接层组成，常用于处理与图像有关的问题。

D.由于卷积核的大小一般是3*3或更大，因此卷积层得到的特征图像一定比原图像小。

A.卷积神经网络只能处理图像信息

B.卷积神经网络是深度学习的代表算法之一

C.卷积神经网络可以用于遥感图像的分割

D.卷积神经网络不只包含卷积层

A.神经网络对训练数据中的噪声非常鲁棒

B.可以处理冗余特征

C.训练ANN是一个很耗时的过程

D.至少含有一个隐藏层的多层神经网络

A.Adam的收敛速度比RMSprop慢

B.相比于SGD或RMSprop等优化器，Adam的收敛效果是最好的

C.对于轻量级神经网络，使用Adam比使用RMSprop更合适

D.相比于Adam或RMSprop等优化器，SGD的收敛效果是最好的

A.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合

B.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合

C.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量

D.通过增加数据扰动的数据增强减少了神经网络的过拟合

A.损失函数必须在程序开发时定义，否则程序无法执行

B.损失函数决定了神经网络的拟合精度

C.损失函数决定了神经网络的收敛速度

D.不同损失函数的训练精度不同

A.PAIStudio中可以直接进行模型在线部署

B.PAIStudio中可以进行实验离线调度

C.PAIStudio中可以进行Notebook开发

D.PAIStudio中可以对管数进行自动调参

E.PAIStudio中可以拖拽神经网络组件

A.AlexNet的网络结构和LeNet非常类似，但更深更大，并且使用了层叠的卷积层来获取特征

B.GoogLeNet的主要贡献是实现了一个bottleneck模块，能够显著地减少网络中参数的数量

C.ResNet使用了特殊的跳跃链接，大量使用了批量归一化，并在最后使用了全连接层

D.VGGNet的主要贡献是展示出网络的深度是算法优良性能的关键部分

A.①

B.①③

C.①②

D.②