神经网络试卷(A卷)(含答案).doc

试题、试卷纸 总 4 页 第 5 页 （ A ）卷20 08 20 09 学年第 一 学期 考试方式： 开卷 闭卷课程名称： 神经网络 使用班级： 计算机科学与技术（医学智能方向）06 班级： 学号： 姓名： 一、单项选择题（每空2分，共30分）1. 人工神经网络的激活函数主要有三种形式，下面(A )对应的是非线性转移函数，( B )对应的是对应的是域值函数，( C)分段线性函数。2. 根据神经元的不同连接方式，可将神经网络分为两大类：分层网络和相互连接型网络。分层网络将一个神经网络模型中的所有神经元按照功能分成若干层。一般有输入层、隐含层(中间层)和输出层，各层顺次连接。下面图形(D )对应的是相互连接型网络，图形(C )对应的是层内互联的前向网络，图形( B)对应的是具有反馈的前向网络，图形( A)对应的是单纯的前向网络。3. 在MATLAB中，下面的（）命令可以使用得下次绘制的图和已经绘制的图将不在同一张图上。A) hold on（设置在同一张图绘制多条曲线） B) figure （下次的图和已绘制的不在同一张图上） C) plot D) hold off（取消在同一张图绘制多条曲线）3. 下面是一段有关向量运算的MATLAB代码: y= 3 7 11 5; y(3) = 2 运算后的输出结果是（） A) 3 2 11 5 B) 3 7 2 5 C) 2 7 11 5 D) 3 7 11 2 4. 下面是一段有关矩阵运算的MATLAB代码:A = 1 2 3 4; 5 6 7 8; 9 10 11 12；B = A(2,1:3)取出矩阵A中第二行第一个到第三个构成矩阵B若A(2,3)=5将矩阵第二行第三列的元素置为5A=A B将B转置后，再以列向量并入AA(：，2)=删除第二列：代表删除列 A(1,4,:)=删除第一和第四行：代表删除行A=A;4,3,2,1加入第四行那么运算后的输出结果是（）A) 5 7 8 B) 5 6 8 C) 5 6 7 D) 6 7 85.下面对MATLAB中的 plot(x,y,s)函数叙说正确的是（）A) 绘制以x、y为横纵坐标的连线图(plot(x,y) B绘制多条不同色彩的连线图 (plot(x,y)C) 默认的绘图颜色为蓝色 D) 如果s=r+，则表示由红色的+号绘制图形6. 如果现在要对一组数据进行分类，我们不知道这些数据最终能分成几类，那么应该选择（）来处理这些数据最适合。A) BP神经网络 B)RBF神经网络 C) SOM神经网络 D)ELMAN神经网络 4. 如果现在要对一组数据进行分类，我们已经知道这些数据最终能分成几类，那么应该选择（）来处理这些数据最适合。A) RBF神经网络 B) SOM神经网络C) BP神经网络 D) ELMAN神经网络7.一个只有单权值的神经网络，其误差函数为e图一who当误差函数对权值的偏导数如图一所示，此时权值应该向（）方向调整。A) 增大 B) 减少C) 可能增大也可能减少D) 不变8. 单层感知器，它最大的缺点是只能解决线性可分的分类模式问题，要增强网络的分类能力唯一的方法是采用多层网络结构，与单层感知器相比较，下面（）不是多层网络所特有的特点。A) 神经元的数目可以达到很大 B) 含有一层或多层隐单元 C) 激活函数采用可微的函数 D) 具有独特的学习算法9. 标准BP算法采用的是最速梯度下降法修正权值，该算法存在与输入样本的顺序有关、收敛速度缓慢、易陷入局部极小等缺陷，为了克服算法中的不足，研究者们提出了许多改进算法，其中（）算法与其它三个算法的原理不一样。A) 附加动量的改进算法 B) 使用拟牛顿法的改进算法 C) 采用自适应调整参数的改进算法 D) 使用弹性方法的改进算法10. 标准BP算法采用的是最速梯度下降法修正权值，该算法存在与输入样本的顺序有关、收敛速度缓慢、易陷入局部极小等缺陷，为了克服算法中的不足，研究者们提出了许多改进算法，其中（）算法与其它三个算法的原理不一样。A) 基于共轭梯度法的改进算法 B) 附加动量的改进算法 C) 使用拟牛顿法的改进算法 D) 基于Levenberg-Marquardt法的改进算法10. nnToolKit神经网络工具包中的函数可以在MATLAB环境下独立运行，也可打包成COM对象被其它语言调用，但是不能被（）A) VisualBasic B) VisualC+ C) C D) C+ Builder二、填空题（每空2分，共20分）1. 人工神经网络（Artificial Neural Networks，ANNs），也简称为神经网络（NNs），是模拟 生物神经网络进行信息处理的一种数学模型，以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。2. 人工神经元模型可以看成是由3种基本元素组成一个连接，一个加法器，一个激活函数3. 神经网络的学习也称为训练，指的是神经网络在受到外部环境的刺激下调整神经网络的参数，使神经网络以一种新的方式对外部环境做出反应的一个过程。神经网络的学习方式可分为有导师学习，无导师学习，再励学习4. 神经网络的基本属性反映了神经网络特点，它主要有 并行分布式处理 、非线性处理 和具有自学习功能等。1. 人工神经网络从生物神经网络发展而来，一个神经元就是一个神经细胞，在人类大脑皮层中大约有100亿个神经元。神经元是基本的信息处理单元。生物神经元主要由细胞体 ，树突，轴突，突触 组成。2. 学习算法是指针对学习问题的明确规则，学习类型是由参数变化发生的形式决定的，不同的学习算法对神经元的权值调整的表达式是不同的。人工神经网络常用的算法有Hebb学习算法 &学习算法，随机学习算法，竞争学习算法 等。三、综合题（其中第1题20分，第2题20分，第三题10分，共50分）1、 构建一个有两个输入一个输出的单层感知器，实现对表一中的数据进行分类，设感知器的阈值为0.6，初始权值均为0.1，学习率为0.6，误差值要求为0，感知器的表一x1x2d000010100111激活函数为硬限幅函数，计算权值w1与w2。2、构建一个BP神经网络（网络结构见图二）完成对表二中的数据分类，设初始连接权值全部为0.5，阈值为0，学习率为0.5，输入层到隐含层，隐含层到输出值的激活函数为单极SIGMOID函数，要求误差e为0.1，当输入样本（1，1，0）时，计算BP算法执行第一轮后各连接权值对应的值。Node1Node2Node1Node2Node1X1X2w11w12w21w22w1yw2yyo图二2、 本课程中学习了许多不同结构的神经网络，请您就BP神经网络、RBF神经网络和SOM神经网络三种神经网络说明它们各自的特点，并就它们的特点各给出一个实际应用中的例子。BP:1使用sigmoid（）函数作为激活函数，输入的可见区域大2学习速率快3具有自学能力，例子：遥感适应模式识别RBF：1学习速率快2输入定向区域小（径向基函数）3适用解决分类问题。例子四声自动识别SOM：1快速性（天隐含层）（双层结构，输入输出映射）2无监督性3可视化效果适用：解决模式分类和识别方面的应用。例子：颜色图像分割