材料二

人脑神经系统是一个非常复杂的组织，包含几百亿个神经元。神经元与神经元之间没有物理连接，它们通过突触进行互联来传递信息。神经元可被看作是只有兴奋和抑制两种状态的细胞，突触将一个神经元的兴奋状态传至另一个神经元。突触有强有弱，其强度可以通过学习或训练来不断改变，具有一定的可塑性。一个神经元的状态是兴奋还是抑制，取决于它从其他神经元接收到的信号量以及突触的强度。当一个神经元接收到的信号量总和超过了某个阈值，细胞体就会兴奋，产生电脉冲，电脉冲通过突触传递到其他神经元。可以认为，在人脑神经系统中，每个神经元本身固然重要，但更重要的是神经元如何组成网络。

受人脑的启发，科学家构建了一种在结构、工作原理和功能上都模拟人脑神经系统的计算模型，称之为“人工神经网络”，简称“神经网络”。在机器学习领域，神经网络指由很多人工神经元相互连接构成的系统，这些人工神经元一般被称为节点，每个节点本质上是一个函数。神经网络不同节点间的连接被赋予了不同的权重，每个权重表示一个节点对另一个节点影响的大小。每个节点的“兴奋”或“抑制”，由来自其他节点的数据信息与节点间的连接权重综合计算得到。

深度学习利用神经网络构建模型，可以对数据进行更好的特征提取与特征转换，从而得到预测准确率更高的函数。除了神经网络模型，深度学习也可以采用“深度信念网络”等其他类型的模型。但由于神经网络能借助相关算法较好地解决贡献度分配问题，它成为了深度学习主要采用的模型。

（以上两则材料取材于邱锡鹏的相关著作）

根据材料二，下列对人脑神经系统的理解，不正确的一项是（    ）