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.