要以类神经网络仿真逻辑回归（Logistic Regression），需要理解逻辑回归实际上是一个简单的单层神经网络。逻辑回归可以被视作一个没有隐藏层的神经网络，只有输入层和输出层。

在神经网络中，隐藏层是用于捕捉复杂的非线性关系的，而逻辑回归本质上是一种线性模型，其目标是寻找输入特征的线性组合。因此，为了仿真逻辑回归，神经网络不应该有隐藏层。

选项分析：
- A: 所有权重值都设定为0。这将导致模型无法学习任何有意义的关系，因为输出将始终是一个常数。
- B: 隐藏层节点个数设定为0。这是正确的，因为逻辑回归本身没有隐藏层。
- C: 所有权重值都设定为1。这同样会限制模型的表达能力，并且不一定能正确模拟逻辑回归。
- D: 隐藏层节点个数设定为1。这将引入一个隐藏层节点，使其不再是逻辑回归模型。

因此，正确答案是B: 隐藏层节点个数设定为0。这样，神经网络就变成了一个没有隐藏层的结构，等价于逻辑回归。