卷积神经网络与神经网络采用相似的分层结构，包括

**解析：** 卷积神经网络（CNN）是深度学习的一种特殊架构，它本质上仍然属于人工神经网络（ANN）的范畴。因此，它在宏观结构上继承了传统多层感知机（MLP）等神经网络的基本分层逻辑，主要包含以下三个部分： 1. **输入层（Input Layer）**：负责接收原始数据（如图像的像素矩阵、文本向量等），是网络的数据入口。 2. **隐含层（Hidden Layers）**：位于输入层和输出层之间，负责特征的提取和处理。在卷积神经网络中，隐含层通常由卷积层、池化层和全连接层等组成，通过多层非线性变换来学习数据的高级特征。 3. **输出层（Output Layer）**：负责将隐含层处理后的结果映射到最终的预测空间（如分类概率、回归数值等），给出网络的最终输出。 **关于选项 D（节点层）：** “节点”（Node）或“神经元”（Neuron）是构成神经网络层的基本单元，而不是一个独立的“层”的分类名称。我们通常说某一层由多少个节点组成，但不会将网络结构划分为“节点层”。因此，D 选项表述不准确。 综上所述，卷积神经网络与常规神经网络相似的分层结构包括输入层、隐含层和输出层。 **正确答案：A、B、C**