神经网络中ReLU激活函数的作用是？ A. 引入非线性特性B. 降低计算复杂度

考查要点：本题主要考查对ReLU激活函数作用的理解，重点在于区分其核心功能与其他可能的特性。

解题核心思路：
ReLU激活函数在神经网络中的核心作用是引入非线性特性，这是神经网络具备强大的表达能力的关键。虽然ReLU计算简单，但这一特性属于优化计算效率的附加优势，而非其主要功能。

破题关键点：

• 非线性特性是神经网络突破线性模型限制的核心，而ReLU通过分段线性函数实现了这一目标。
• 计算复杂度降低是ReLU的一个优点，但并非题目所问的“作用”。

选项分析：

1. 选项A（引入非线性特性）：
   神经网络若仅由线性变换组成，其本质仍为线性模型，无法拟合复杂数据。ReLU通过$f(x)=\max(0,x)$的分段线性特性，使模型能够学习非线性决策边界，这是其核心作用。

2. 选项B（降低计算复杂度）：
   ReLU的计算仅涉及阈值判断，确实简化了计算，但这属于工程实现上的优化，而非功能性的“作用”。

结论：
ReLU的主要作用是引入非线性，因此正确答案为A。