《神经网络》试题(可打印修改).pdf

1/5神经网络神经网络试卷试卷（年月日）张翼 王利伟一、填空1.人工神经元网络（）是由大量 神经元 通过极其丰富和完善的连接而构成的自适应 非线形动力学系统。2.神经元（即神经细胞）是由 细胞体、树突、轴突 和 突触 四部分构成。3.大量神经元相互连接组成的将显示出人脑的 分布存储和容错性、大规模并行处理、自学习、自组织和自适应性、复杂的非线形动态系统、处理复杂、不确定问题。4.发展大体可为 早期阶段、过度期、新高潮、热潮。5.神经元的动作特征主要包括 空间性相加，时间性相加，阈值作用，不应期，疲劳 和 可塑性。6.神经元与输入信号结合的两种有代表的结合方式是 粗结合 和 密结合。7.年由美国心理学家和数学家提出的形式神经元数学模型简称为 模型，它规定了神经元之间的联系方式只有 兴奋、抑制 联系两种。8.目前，神经网络模型按照网络的结构可分为 前馈型 和 反馈型，按照学习方式可分为 有导师 和 无导师 学习。9.神经网络工作过程主要由 学习期 和 工作期 两个阶段组成。10.反馈网络历经状态转移，直到它可能找到一个平衡状态，这个平2/5衡状态称为 吸引子。二、问答题简述学习规则。学习规则假定：当两个细胞同时兴奋时，它们之间的连接强度应该增强，这条规则与“条件反射”学说一致。在中算法最简单可描述为：如果一个处理单元从另一处理单元接受输入激励信号，而且如果两者都处于高激励电平，那么处理单元间加权就应当增强。用数学来表示，就是两节点的连接权将根据两节点的激励电平的乘积来改变，即 iinijnijijxy1其中表示第（）是第（）次调节后，从节点到节点的连 nij接权值；为学习速率参数；为节点的输出，并输入到节点；x为节点的输出。iy、简述自组织特征映射网络的算法。自组织特征映射网络的算法分以下几步：（1）权连接初始化 就是说开始时，对所有从输入节点到输出节点的连接权值都赋以随机的小数。时间设置。（2）网络输入模式为 ),(21nbxxxK（3）对计算与全部输出节点所连接权向量的距离TjW3/5 ,2,1,2,1,)(21mjnixdijnikijKK（4）具有最小距离的节点*竞争获胜 min,2,1*jmjjddK（5）在每一步学习中，内的神经元自适应变化，而外的神经元保持不变。调整输出节点*所连接的权值以及*几何邻域*()内节点所连接权值为),2,1),(),)(*nitNENxtjjijkiijK（6）若还有输入样本数据，那么，转到步骤（）。假设变换相对于标准基集的矩阵表示为23:RR A 100013A求该变换相对于如下基集的矩阵：20,01,320,010,102WT解：第一步是构造如下的两个矩阵：2001,301110002wtBB现在，转换形成新的矩阵表示：4/5 tABBA1 2302121630121000210001321001A所以上面的矩阵就是该变换相对于基集和的矩阵表示。假设有二进制原型向量 1111,111121PP（1）定义一个连续型的网络（指定连接权值）来识别这些模式，使用规则。（2）假设网络增益很大，网络的平衡点是什么？解：（）首先使用有监督的规则，从参考向量中计算权值矩阵。11111111111111111111111111111111)()(2211TTPPPPW化简得 2002022002202002W（）稳定点分别是 ,因为原型模式的负值也是平衡点。也可能还有5/5其他平衡点，如果超立方体其他的角中。超立方体共有个2,1PPspan角，四个角落入中，四个角落入中。X