中间层的权重相当于学习到的特征，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特征。这是正确的，因为多层神经网络通过层层抽象，可以捕捉到数据的高层次特征，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。这也是正确的，隐藏层的输出表示（也称为激活值）可以看作是对输入数据的某种特征表示。

C: 在神经网络中通常不用过多的特征工程。这也是正确的，神经网络，尤其是深度学习模型，具有强大的自动特征学习能力，因此在某些情况下可以减少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。输出层的权重是模型学习到的参数，而不是特征。特征通常是指隐藏层的激活值或中间层的输出，它们是对输入数据的某种表示。输出层的权重用于将最后一层的特征转换为最终的预测结果。