《(完整版)神经网络试卷(A卷)(含答案).pdf》由会员分享，可在线阅读，更多相关《(完整版)神经网络试卷(A卷)(含答案).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、试题、试卷纸总 4 页第 1页（A）卷2020 08 08 2020 09 09 学年第学年第 一一学期学期考试方式：考试方式：开卷开卷 闭卷闭卷 课程名称：课程名称：神经网络神经网络使用班级使用班级：计算机科学与技术（医学智能方向）计算机科学与技术（医学智能方向）0606班级：班级：学号：学号：姓名：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。A)f(v)11ev1B)f（v）0v0v01,v1C)fvv,1v11,v1D)fv02.根据神经元的不同连接方式，
2、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。x1x2y1y2x1x2y1y2xna)x1x2ymxnb)ymy1y2x1x2y1y2xnc)ymxnd)ym试题、试卷纸总 4 页第 2页（A）卷3）命令可以使用得下次绘制的图和已经绘制的图将3.在 MATLAB中，下面的（不在同一张图上。A)hold on（设置在同一张图绘制多条曲
3、线）B)figure（下次的图和已绘制的不在同一张图上）C)plotD)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)=28）运算后的输出结果是（A)3 2 11 5B)3 7 2 5C)2 7 11 5D)3 7 11 24.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=AB将 B 转置后，再以列向量并入 AA(：，2)=删除第二列：代
4、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9）那么运算后的输出结果是（A)5 7 8B)5 6 8C)5 6 7D)6 7 810）5.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11）来处理这些数据最适合。该选择（A)BP 神经网络B)RBF 神经网络C)SOM 神经网络D)EL
5、MAN 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4）来处理这些数据最适合。应该选择（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e eewho12）方向调整。当误差函数对权值的偏导数如图一所示，此时权值应该向（A)增大B)减少C)可能增大也可能减少D)不变图一图一w whoho8.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13）不是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（多层网络所特有
6、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14）算法与其它三个算法的原理不一样。提出了许多改进算法，其中（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15）算法与其
7、它三个算法的原理不一样。改进算法，其中（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15）COM 对象被其它语言调用，但是不能被（A)Visual BasicB)Visual C+C)CD)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
8、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
9、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 w
10、2。表一2、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。X1110表二X2101d011x x1 10 00 01 11 1x x2 20 01 10 01 1d d0 00 00 01 1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。X X2X X1Node1Node1w11w12Node1Node1w1Node1Node1yoyow21Node2Node2w22Node2Node2图二图二w2BP: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