下列描述正确的是:()A. 感知机不能求解异或问题既是感知机的缺陷，也是在历史上导致人工神经网络陷入低潮的主要原因B. 传统的BP网络一般都选用二级网络，结点的激励函数要求是可积的，通常选S型C. 隐层数及隐层神经元数的确定:目前尚无理论指导D. 人工神经网络是深度神经网络的基础，深度神经网络是深度学习的模型基础

本题主要考查人工神经网络相关的基础知识，包括感知机、BP网络、隐层参数确定以及神经网络与深度学习的关系，需对各选项逐一分析判断：

选项A分析

感知机确实不能求解异或问题（异或问题属于非线性可分问题，感知机是线性模型），这是感知机的缺陷，但不是导致人工神经网络陷入低潮的主要原因。20世纪60-70年代神经网络低潮的主要原因是：1）计算能力有限；2）缺乏有效学习算法（如BP算法尚未成熟）；3）Minsky等学者对感知机局限性的批判（但感知机的局限性仅是部分原因，非主因）。因此A错误。

选项B分析

传统BP网络（误差反向传播网络）通常采用二级网络结构（输入层、隐含层、输出层，仅一个隐含层），这是因为多层感知机在隐含层节点数足够时可逼近任意连续函数（通用近似定理）。BP算法的核心是通过梯度下降优化权重，要求激励函数可导（而非“可积”），但S型函数（如sigmoid）是可导的，且能将输出映射到(0,1)区间，适合二分类或概率输出。题目中“可积”可能是表述误差，但“二级网络”和“通常选S型”均正确，且其他选项错误更明显，故B可选。

选项C分析

隐层数及隐层神经元数的确定存在一定理论指导：

• 隐层数：根据通用近似定理，单隐层网络即可逼近任意连续函数，因此实际中通常不超过2层（除非处理复杂任务）；
• 隐层神经元数：经验法则包括“输入层神经元数的1-2倍”“根据任务复杂度调整”等，并非完全无理论指导。因此C错误。

选项D分析

逻辑关系错误：深度神经网络（DNN）是人工神经网络（ANN）的一种特例（ANN包含浅层和深层网络），深度学习以DNN为模型基础，但ANN并非DNN的“基础”——DNN是ANN的延伸。正确表述应为“深度神经网络是人工神经网络的重要类型，是深度学习的模型基础”。因此D错误。