中间层的权重相当于学习到的数据特征，输出层的不是

正确答案是 D: 神经网络中的输出层的权重就是学习到的特征。

专业分析：

A: 多隐层的神经网络可以学习到能刻画数据本质属性的数据特征。
这是正确的。多层神经网络（尤其是深度神经网络）通过多层非线性变换，可以逐步提取和学习数据的高层次特征，从而更好地刻画数据的本质属性。

B: 它们可以学习在隐藏层中的输出表示。
这是正确的。隐藏层的输出表示实际上是对输入数据的特征提取和变换，神经网络通过训练可以学习到这些隐藏层的表示。

C: 在神经网络中通常不用过多的特征工程。
这是正确的。虽然特征工程在一些情况下仍然重要，但深度学习的一个优势就是能够自动从原始数据中学习特征，减少了对手工特征工程的依赖。

D: 神经网络中的输出层的权重就是学习到的特征。
这是错误的。输出层的权重并不是学习到的特征，而是用于将隐藏层的特征转换为最终输出的参数。学习到的特征主要存在于隐藏层的输出表示中。