687.在何种情况下神经网络模型被称为深度学习模型()。

题干解析：本题考查深度学习模型的基本定义及其与神经网络的关系。 正确答案：A 选项分析： A: 加入更多层，使神经网络的层数增加 这是正确的。深度学习模型的核心特征在于“深度”，即神经网络具有多个隐藏层。通常认为，当神经网络的层数较多（一般指超过两到三层隐藏层）时，该模型被称为深度神经网络（Deep Neural Network），其所采用的技术和方法即属于深度学习范畴。因此，“深度”指的是网络结构的层次深度，而非其他因素。 B: 有维度更高的数据 这是错误的。数据的维度高低并不决定一个模型是否为深度学习模型。高维数据可能在某些深度学习任务中出现（如图像、文本），但使用高维数据的模型未必是深度学习模型，而深度学习模型也可以处理低维数据。因此，数据维度不是判断标准。 C: 当这是一个图形识别问题时 这是错误的。虽然深度学习在图像识别领域应用广泛（如卷积神经网络CNN），但不能反过来说图像识别问题就一定使用深度学习模型。传统机器学习方法（如SVM、特征提取结合分类器）也可用于图像识别。同时，深度学习也应用于自然语言处理、语音识别等多个非图像领域。因此，任务类型不是判断依据。 D: 以上都不正确 由于选项A正确，因此D不成立。 核心知识点讲解： 深度学习是机器学习的一个子领域，其核心思想是通过构建多层的神经网络来模拟人脑处理信息的方式，实现对复杂模式的自动特征提取和高层次抽象。关键概念包括： 1. 神经网络：由输入层、隐藏层和输出层组成的计算模型，每层包含若干神经元，层间通过权重连接。 2. 深度：指网络中隐藏层的数量。层数越多，模型的表达能力越强，能捕捉更复杂的非线性关系。 3. 特征学习：深度模型能够逐层自动学习从低级到高级的特征表示，无需人工设计特征。 因此，只有当神经网络具备足够多的层次时，才被称为深度学习模型。选项A准确反映了这一定义。