神经网络试题答案.doc

石家庄铁道学院2006-2007学年第2学期04 级本科班期末考试试卷试题答案课程名称： 神经网络导论 任课教师：井海明 考试时间： 60 分钟学号： 姓名： 班级： 考试性质（学生填写）：正常考试（ ）缓考补考（ ）重修（ ）提前修读（ ）题 号一二三四五六七总分满 分1010101060得 分改卷人一、 写出用感知器将平面上两个点分开的程序设计思想。（10分）答：用感知器的算法来解决此问题是通过学习找到一条直线，将这两个点分为上下两部分，这两个点分别落在直线的上部和下部。二、 BP和Hopfield有何区别。（10分）从学习观点来看，通过对前向多层人工神经网络的结构、功能和学习算法等的认识，可知前向多层人工神经网络是一种强有力的学习系统，其结构简单容易编程；从系统观来看，前向网络是一种静态非线性影射，通过简单的非线性处理神经元的复合影射可以获得复杂的非线性处理能力；但是，从计算观来看，前向网络并不是一种强有力的计算系统，它缺乏丰富的动力学行为。大部分前向网络都是学习网络，并不重视系统的动力学行为。一个前向确定的网络结构（拓扑结构和加权矢量），定义了一个从输入矢量到输出矢量之间的关系，我们利用这种影射关系实现分类和联想功能，前向网络具有很强的模式识别和分类能力。大部分前向网络都是学习网络，并不重视系统的动力学行为。三、 Hopfield网络有哪些关键概念。（10分）网络的稳定点一个非线性网络能够有很多个稳定点，对权值的设计，要求其中的某些稳定点是所要求的解。对于用做联想记忆的反馈型网络，希望稳定点就是一个记忆，那么记忆容量就与稳定点的数量有关，希望记忆的量越大，那么，稳定点的数目也越大，但稳定点数目的增加可能会引起吸引域的减小，从而使联想功能减弱。对于用做优化的反馈网络，由于目标函数(即系统中的能量函数)往往要求只有一个全局最小。那么稳定点越多，陷入局部最小的可能性就越大，因而要求系统的稳定点越少越好。吸引域的设计希望的稳定点有尽可能大的吸引域，而非希望的稳定点的吸引域要尽可能的小。因为状态空间是一个多维空间，状态随时间的变化轨迹可能是多种形状，吸引域就很难用一个明确的解析式来表达，这在设计时要尽可能考虑。五、论文（60分）四、 画出BP网络的结构图并写出正向传播和误差反向传播的公式。（10分）输出层的权值调整公式为第2 层神经元权值调整公式为