8.判断（2分）多层前馈网络的每一层都是单层的网络，却无法用单层感知器的学习方法。A. √B. ×

本题考查多层前馈网络和单层感知器的相关知识以及它们学习方法的区别。解题思路是分别明确多层前馈网络和单层感知器的特点，再分析多层前馈网络能否使用单层感知器的学习方法。

• 多层前馈网络的结构特点：多层前馈网络是由多个神经元层组成的，每一层都可以看作是由多个单层网络堆叠而成。每一层的神经元接收前一层神经元的输出作为输入，经过加权求和和激活函数处理后输出到下一层。
• 单层感知器的学习方法：单层感知器的学习方法是基于误差修正规则，通过不断调整权重来使得感知器的输出尽可能接近期望输出。其学习过程是根据输入和期望输出之间的误差来更新权重，直到误差为零或者达到一个可接受的范围。
• 多层前馈网络不能使用单层感知器学习方法的原因：在多层前馈网络中，由于存在隐藏层，隐藏层神经元的输出是不可直接观测的。而单层感知器的学习方法是基于输入和输出之间的直接误差来调整权重的，对于多层前馈网络的隐藏层，无法直接计算出其误差，也就不能使用单层感知器的学习方法。因此，多层前馈网络虽然每一层在结构上可以看作是单层网络，但无法用单层感知器的学习方法，该说法是正确的。