При обучении нейросети меняются... Веса связей Количество нейронов Количество слоёв и структура сети Функции нейронов Скорее всего не один вариант ответа

Ответ: Веса связей.

Пояснения пошагово:

• Что изменяется во время обучения: сеть подбирает значения своих параметров, чтобы минимизировать ошибку на обучающем примере. Основные параметры — веса связей (и смещения). Веса обновляются каждый шаг обучения с помощью алгоритма обратного распространения и градиентного спуска: w_new = w_old - learning_rate * (градиент по w).
• Почему это важно: именно изменение весов позволяет нейросети лучше соответствовать данным и делать более точные предсказания.
• Что остаётся неизменным в обычном обучении:
  • Количество нейронов: их число в каждом слое обычно фиксировано.
  • Количество слоёв и общая структура сети: архитектура (сколько слоёв и как они соединяются) не меняется в стандартном обучении.
  • Функции нейронов (активационные функции): выбираются заранее и остаются теми же; сами функции обычно не меняются во время обучения (за редкими исключениями: обучаемые параметры в некоторых вариациях активаций, но это не типично для базового обучения).
• Примечание: в некоторых продвинутых методиках (архитектурный поиск, прунинг, динамическая структура сетей) архитектура может меняться, но это уже не обычное обучение одной фиксированной сети.

Итог: верный вариант — только веса связей меняются во время стандартного обучения нейросети.