“ab”+”c”*2 结果是（）。

经典的全连接神经网络中，隐含层可以增加网络深度和复杂度

经典的全连接神经网络来包含四层网络：输入层、两个隐含层和输出层

深度学习建模编写方式中，动态图模式（声明式编程范式，类比C++）：先编译后执行的方式。用户需预先定义完整的网络结构，再对网络结构进行编译优化后，才能执行获得计算结果

深度学习建模编写方式中，静态图模式（命令式编程范式，类比Python）：解析式的执行方式。用户无需预先定义完整的网络结构，每写一行网络代码，即可同时获得计算结果

数据归一化处理是指对每个特征进行归一化处理，使得每个特征的取值缩放到0-1之间

数据集被划分成训练集和测试集，其中训练集用于确定模型的参数，测试集用于评判模型的效果

数据处理包含五个部分：数据导入、数据形状变换、数据集划分、数据归一化处理和封装loaddata函数

神经网络的标准结构中每个神经元由加权和与非线性变换构成，然后将多个神经元分层的摆放并连接形成神经网络

以图形化的方式展现神经网络的计算逻辑又称为计算图

神经网络中，前向计算是指从输入计算输出的过程，顺序从网络后至前