中間層的權重相當于學習到的特征，輸出層的不是

正確答案是D: 神經(jīng)網(wǎng)絡中的輸出層的權重就是學習到的特征。

專業(yè)分析：
A: 多隱層的神經(jīng)網(wǎng)絡可以學習到能刻畫數(shù)據(jù)本質(zhì)屬性的特征。這是正確的，因為多層神經(jīng)網(wǎng)絡通過層層抽象，可以捕捉到數(shù)據(jù)的高層次特征，從而更好地刻畫數(shù)據(jù)的本質(zhì)屬性。

B: 它們可以學習在隱藏層中的輸出表示。這也是正確的，隱藏層的輸出表示（也稱為激活值）可以看作是對輸入數(shù)據(jù)的某種特征表示。

C: 在神經(jīng)網(wǎng)絡中通常不用過多的特征工程。這也是正確的，神經(jīng)網(wǎng)絡，尤其是深度學習模型，具有強大的自動特征學習能力，因此在某些情況下可以減少對手工特征工程的依賴。

D: 神經(jīng)網(wǎng)絡中的輸出層的權重就是學習到的特征。這是錯誤的。輸出層的權重是模型學習到的參數(shù)，而不是特征。特征通常是指隱藏層的激活值或中間層的輸出，它們是對輸入數(shù)據(jù)的某種表示。輸出層的權重用于將最后一層的特征轉(zhuǎn)換為最終的預測結(jié)果。