搜索
神经网络模拟试题段克清王力宝一填空：1。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.2。人工神经元网络按照学习方式分为有导师和无导师学习.按网络结构可分为前馈型和反馈型.3。神经网络工作过程主要由工作期和学习期两个阶段组成.4。多层感知器中的神经元分为三大类：输入单元、输出单元和隐含单元。5。反馈网络历经状态转移，直到它可能找到一个平衡状态，这个平衡状态称为吸引子。6。联想形式一般分为自联想和异联想两种。7。Hamming距离越小表示两个矢量越接近。8。竞争系统一般由匹配子网络和竞争子网络构成。9。误差反传训练算法的主要思想是学习过程分为两个阶段：正向传播过程和反向传播过程。10。ATR1网络的运行过程大体上经历了识别、比较和搜索三个阶段。二、判断题：1。每个反馈型神经网络只有一个平衡态即吸引子。（×）2。BP算法是在导师指导下，适合于多层神经元网络的一种学习，它是建立在梯度下降法的基础上的。（√）3。阈值一般不是常数，它是随着神经元的兴奋程度而变化的。（√）4。在Hopfield网络中，各连接权的值主要是通过网络运行得到的。（×）5。对于前馈网络而言，一旦网络的用途确定了，那么隐含层的数目也就确定了。（×）6。非稳定吸引子包含两种状态，一种有限环状态，一种是浑沌状态。（√）7。对于用于优化的反馈网络，我们希望系统的稳定点越多越好。（×）8。离散型Hopfield网络中，若权矩阵为对称阵，网络在同步工作方式下必收敛到一个稳定状态或收敛于一个极限环。(√)9.竞争学习的实质是一种规律性检测器,即使基于刺激集合和哪个特征是重要的先验概念所构造的装置,发现有用的内部特征.(√)10.对反馈网络而言,稳定点越多,网络的联想与识别能力越强,因此,稳定点的数目越多联想功能越好.(×)三、问答题:1、用神经网络作联想记忆有什么优点?答:1在完全确定了标准输入矢量及相应的标准输出矢量,那么可采用非常简单的神经网络即静态网络实现联想记忆,网络中单元间的连接时固定不变的,由矢量外积构成的连接矩阵确定,可不必再反复进行学习.2无需对输入矢量进行预处理,可直接进入搜索,省去编码和解码工作而且实现联想记忆,不要先找出输入、输出的内在关系.3采用并行处理方式,效率高.2、简述Hamming神经网络的结构和功能.答:Hamming网络是一个双层神经网络，由第一层网（即匹配子网络）和第二层网（即竞争子网络）组成.匹配子网络是用来计算输入模式与该网络已经学习过的各样本之间的匹配测度．竞争子网络接收从匹配子网络送来的未知模式与已存各样本的匹配测度，然后经过多次迭代运算就可以求得与输入模式相匹配的样本．3、试述反馈式和前馈型神经元网络的联系和区别.答:1前馈型神经元网络取连续或离散变量,一般不考虑输出与输入在时间上的滞后效应,只表达输出与输入的映射关系.反馈式神经元网络可以用离散变量也可连续取值,因此,需要用动态方程来描述神经元和系统的数学模型.由于前馈型网络中不含反馈连接,因而为系统分析提供了方便.2前馈型网络的学习(训练)主要采用误差修正法(如BP)算法,计算过程一般比较慢,收敛速度也比较慢.而Hopfield网络的学习主要采用Hebb规则,一般情况下计算的收敛速度很快.它与电子电路存在明显的对应关系,使得该网络易于理解和易于用硬件实现.3Hopfield网络也有类似于前馈型网络的应用,例如用作联想记忆或分类,而在优化计算方面的应用更加显示出Hopfield网络的特点.联想记忆和优化计算是对偶的.当用于联想记忆时,通过样本模式的输入给定网络的稳定状态,经过学习求得突触权重值,网络演变到稳定状态,即使优化计算问题的解.