关于感知机的说法中，以下是对每个选项的分析：

A: 某一神经元可以连接下一层的多个神经元，表示该神经元有多个输出。
这个说法不完全准确。一个神经元通常有一个输出信号，但这个输出信号可以被传递到多个神经元作为输入。因此，严格来说，神经元本身并没有多个输出，而是其输出可以被多路复用到多个下游神经元。

B: 单个感知机等价于线性回归的训练过程。
单个感知机确实执行类似于线性回归的过程，因为它尝试找到一个线性决策边界来分类数据。然而，感知机用于分类任务（通常是二分类），而线性回归用于回归任务（预测连续值）。尽管在数学上有相似之处，但其应用和目标有所不同。

C: 在感知机中引入激活函数可以解决与异或问题（XOR）。
这个说法是错误的。单层感知机，即使引入激活函数（如阶跃函数），也无法解决异或问题，因为异或问题是非线性可分的。要解决异或问题，需要使用多层感知机（即具有隐藏层的神经网络），这就是多层感知机（MLP）或前馈神经网络的优势。

D: 以上都不对。
从上述分析来看，选项A和B有部分正确之处，但都不是完全准确的描述；选项C是错误的。因此，严格来说，D是最合适的选择。

综上所述，正确答案是D：以上都不对。