類神經(jīng)網(wǎng)絡(luò)（Neural Networks）在許多應(yīng)用中表現(xiàn)出色，但也存在一些缺點(diǎn)。根據(jù)問題所給選項(xiàng)，以下是對每個選項(xiàng)的分析：

A: 無法得知最佳解
- 這并不是類神經(jīng)網(wǎng)絡(luò)特有的缺點(diǎn)，許多復(fù)雜的優(yōu)化問題本身就沒有保證能找到全局最佳解的算法。神經(jīng)網(wǎng)絡(luò)通過迭代優(yōu)化算法（如梯度下降）來尋找近似解，但不一定能找到全局最優(yōu)解。

B: 模型準(zhǔn)確度低
- 這一點(diǎn)通常不適用于類神經(jīng)網(wǎng)絡(luò)。事實(shí)上，神經(jīng)網(wǎng)絡(luò)，尤其是深度神經(jīng)網(wǎng)絡(luò)，在許多任務(wù)中表現(xiàn)出高準(zhǔn)確度。模型的準(zhǔn)確度取決于多種因素，包括數(shù)據(jù)質(zhì)量、網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練方法。

C: 知識結(jié)構(gòu)是隱性的，缺乏解釋能力
- 這是神經(jīng)網(wǎng)絡(luò)的一個顯著缺點(diǎn)。由于神經(jīng)網(wǎng)絡(luò)的復(fù)雜性和高維性，其內(nèi)部工作機(jī)制通常難以解釋，這使得它們在可解釋性要求高的領(lǐng)域中應(yīng)用受到限制。

D: 訓(xùn)練模型的時間長
- 訓(xùn)練神經(jīng)網(wǎng)絡(luò)，特別是深度神經(jīng)網(wǎng)絡(luò)，通常需要大量的計(jì)算資源和時間，尤其是在大規(guī)模數(shù)據(jù)集和復(fù)雜模型的情況下。

綜上所述，類神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)主要包括C和D：

C: 知識結(jié)構(gòu)是隱性的，缺乏解釋能力
D: 訓(xùn)練模型的時間長