《2022年神经网络模拟试题 .pdf》由会员分享，可在线阅读，更多相关《2022年神经网络模拟试题 .pdf（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、神经网络模拟试题叶伟、朱宇涛、双银锋一填空：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 按网络结构分， 人工神经元细胞可分为前馈型和反馈型，按照学习方式分可分为：有导师和无导师学习。3前馈型网络可分为可见层和隐含层，节点有输入结点、输出节点、计算单元。4 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。5 神经网络工作过程主要由工作期和学习期两个阶段组成。6 在 ANN 中 HEBB 算法最简单可描述为：如果一个处理单元从另一处理单元接收输入激励信号， 而且两者都处于高激励电平，那么处理单元间的加权就应当增强。HEBB 网络代表了一种纯前向式无
2、导师学习。7 学习规则又称最小均方规则，它利用目标激活值与所得激活值之差进行学习。其方法是：调整联系强度，使其差最小。8 常见的七种学习规则中， 无导师学习的规则是指HEB 学习和胜者为王学习规则。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过程。10网络吸引子分为稳定和非稳定两种，非稳定吸引子又有两种情况：有限状态指网络状态有规律地在某些状态之间振荡；而混沌状态是指网络无规律地某些状态之间振荡。二、判断题：名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第
3、1 页，共 5 页 - - - - - - - - - 1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，稳定点的数据目越多联想功能越好。（）2简单感知器仅能解决一阶谓词逻辑和线性分类问题，不能解决高阶谓词和非线分类问题。（）3BP算法是在无导师作用下，适用于多层神经元的一种学习，它是建立在相关规则的基础上的。（）4在误差反传训练算法中，周期性函数已被证明收敛速度比S型函数慢。（）5基于 BP 算法的网络的误差曲面有且仅有一个全局最优解。 （）6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。（）7对离散型HOPFIELD 网络而言，如权矩阵为对称阵，而且对角线
4、元素非负，那么网络在异步方式下必收敛于下一个稳定状态。（）8对连续HOPFIELD 网络而言，无论网络结构是否对称，都能保证网络稳定。（）9竞争学习的实质是一种规律性检测器，即是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，发现有用的部特征。（）10人工神经元网络和模糊系统的共同之处在于，都需建立对象的精确的数学模型，根据输入采样数据去估计其要求的决策，这是一种有模型的估计。（）三、论述题：1、 对误差反传训练算法而言，如何有效提高训练速度？答：可通过四个方面来提高训练速度：一、通过全局自适应技术修改全局参数，即对每个可调参数根据学习情况用同样的学习速率改变；二、通过局部学习自适应来对每
5、个可调节参数采用独自的学习速率，对每个权录求名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 5 页 - - - - - - - - - . 最优学习速率。三、采用新的激活函数来加快收敛速度；四、采用组合激活函数来加快收敛速度。其中，全局学习速率的自适应又分为：加入动量法；学习速率的经验公式法；学习速率渐小法；渐进自适应学习速率；共轭梯度法；变步长法；学习速率自调整的BP 算法。局部学习自适应又可分为：基于符号变换的学习速率自适应；DELTA-BAR-DELTA 法; QU
6、ICKPROP 法；RPROP方法。2、简要地画出简单神经元的结构示意图，标注清楚结构模型每一部分代表符号和符号代表的意义，并分别写出膜电位和激发函数的统一表达式。x1 x2 iwij xn si 神经元的结构图X1、X2Xn为输入信号，ui为神经元内部状态，i为阈值，wij为ui到 uj的连接权，si表示外部输入信号， f( . )为激发函数，yi为输出。i为膜电位。iwij Xi + siui yyi i名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 5 页 - -
7、- - - - - - - yi=f(i-i)=f(wij Xi + si-i)3、简要地描述 BP 算法过程和用MATLAB软件进行仿真的总体步骤，并列出五个仿真过程中必不可少的函数。答：BP 算法是一种 ANN 的误差反向传播训练算法，这种网络不仅有输入节点、输出节点，还有一层或多层隐含节点。对于输入信息要先向前传播到隐含层的节点上，经过各单元的特性为SIGMOID 型的激活函数运算后， 把隐含节点的输出信息传播到输出节点，最后给出输出结结果。网络学习过程由正向和反向传播两部分组成。在正向传播过程中，每一层神经元的状态只影响下一层神经元网络。如果输出层不能得到期望输出，就是实际输出值与期望
8、输出值之间有误差，那么转入反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播去进行计算，再经过正向传播过程，这两个过程的反复运用，使得误差信号最小，实际上，误差达到所希望的要求时，网络的学习过程就结束。应用 MATLAB 进行仿真时，有四个必要过程：问题描述，网络初始化，网络训练，性能测试。相关函数：newff: 生成一个前馈 BP 网络；logsig: sigmoid 传递函数；名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 5 页 - - - - - - - - - initff: 前向网络初始化；trainbp:利用 BP 算法训练前向网络；learnbp:反向传播学习规则 ; errsurf:计算误差曲面函数；名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 5 页 - - - - - - - - -