神经网络试卷

1、20 08 - 20 09学年第 一 学期考试方式： 开卷 闭卷V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。1, V 111 v 0A）f（v） -B）f（v）C）f V V, 1 V 1 D）f V 01 e v0 v 01, V 12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。X1XnX2a)b)X1X2xnc)d)3. 在MATLA中，下面的（O ）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)和已绘

2、制的不在同一张图上)C) plot D) hold off曲线)B) figure(下次的图(取消在同一张图绘制多条3. 下面是一段有关向量运算的 MATLAB码:y= 3 7 11 5;y(3) = 2A) 3 2 11 5B) 3 7 2 5 C)C) 2 711 5D) 3711 2运算后的输出结果是(O8 )4. 下面是一段有关矩阵运算的MATLAB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(O9 )A) 5 7 8 B) 5 6 8C) 5 6 7 D) 6 7 85. 下面对MATLAB的plot(x,y,s)函数叙说正确的是(0。)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

3、为蓝色D)如果s=叶，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(01)来处理这些数据最适合。A) BP神经网络 B)RBF神经网络C) SOM神申经网络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(G4)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，其误差函数为当误差函数对权值的偏导数如图一所示，此时权值应该向(0 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（O 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

4、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（O14 ）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（O5）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境下独立运行，也可打包成COM寸象被其它语言调用，但是不能被（O 15 ）A） Visual Basic B） Visual C+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，ANN9,也简称为神经网络（NN9， 是模拟 生物神经网络进行信息处理的一种数学模型，以对

5、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，竞争学习算法一等。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，初始权值均为，学习率为，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表一X1 X2 d0 0 00 1 02、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，阈值为0,学习率为，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，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。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申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

《神经网络试卷》由会员新**分享，可在线阅读，更多相关《神经网络试卷》请在金锄头文库上搜索。