运行下面代码，输出结果是（）
import numpy as np
n=np.array（[1，2，3]，[4，5，6]）
print （n.size）

下列关于神经网络的说法：①增加神经网络层数，可能会增加测试数据集的分类错误率；②减少神经网络层数，总是能减小测试数据集的分类错误率；③增加神经网络层数，总是能减小训练数据集的分类错误率。正确的是（）。

从网络的原理上来看，结构最复杂的神经网络是（）。

标准BP算法的目标是使训练集上的（）最小。

Sigmoid函数作为神经元激活函数的特点是（）。

RNN不同于其他神经网络的地方在于（）。

LSTM中，（）的作用是确定哪些新的信息留在细胞状态中，并更新细胞状态。

DNN常用的激活函数有（）。

CNN神经网络对图像特征提取带来了变革性的变化，使之前的人工特征提取升级到数据驱动的自动特征提取，在CNN中，起到特征提取作用的网络层是（）。

BP神经网络经常遭遇（），其训练误差持续降低，但测试误差却可能上升。

（）用于将非线性引入神经网络，它会将值缩小到较小的范围内。