神经网络试卷(A卷)(含答案)

试题、试卷纸总4页第1页（A）卷2008–2009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。101)f())f)001e1,1f,11)f01,1vAvBvCvvvvvvDvv（）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。······x1x2xny1y2ym······x1x2xny1y2ym······x1x2xny1y2ym······x1x2xny1y2yma)b)c)d)试题、试卷纸总4页第2页（A）卷3.在MATLAB中，下面的（○3）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)holdon（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)plotD)holdoff（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=[37115];y(3)=2运算后的输出结果是（○8）A)32115B)3725C)27115D)371124.下面是一段有关矩阵运算的MATLAB代码:A=[1234;5678;9101112]；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=[AB’]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（○9）A)578B)568C)567D)6785.下面对MATLAB中的plot(x,y,s)函数叙说正确的是（○10）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（○11）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（○4）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，其误差函数为试题、试卷纸总4页第3页（A）卷当误差函数对权值的偏导数如图一所示，此时权值应该向（○12）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（○13）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（○14）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（○15）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（○15）A)VisualBasicB)VisualC++C)CD)C++Builder二、填空题（每空2分，共20分）1.人工神经网络（ArtificialNeuralNetworks，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howee图一who试题、试卷纸总4页第4页（A）卷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。表一x1x2d000010100111表二X1X2d110101011000试题、试卷纸总4页第5页（A）卷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Node1Node2Node1Node2Node1X1X2w11w12w21w22w1yw2yyo图二