1、 试题、试卷纸 总 4 页 第 1 页 （ A ）卷20 08 20 09 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 )e 1, f1)f0, vAvBvCv vvDv （ ）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
2、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。x 1x 2x ny 1y 2y mx 1x 2x ny 1y 2y mx 1x 2x ny 1y 2y mx 1x 2x ny 1y 2y ma ) b ) c ) d ) 试题、试卷纸 总 4 页 第 2 页 （ A ）卷3. 在 MATLAB 中，下面的（ ）命令可以使用得下次绘制的图和已经绘制的图将 3不在同一张图上。A) hold on（设置在同一张图绘制多条
3、曲线） B) figure （下次的图和已绘制的不在同一张图上） C) plot D) 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) = 2 运算后的输出结果是（ ） 8A) 3 2 11 5 B) 3 7 2 5 C) 2 7 11 5 D) 3 7 11 2 4. 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
4、=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（ ） 9A) 5 7 8 B) 5 6 8 C) 5 6 7 D) 6 7 85.下面对 MATLAB 中的 plot(x,y,s)函数叙说正确的是（ ）10A) 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，
5、那么应该选择（ ）来处理这些数据最适合。11A) 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（ ）来处理这些数据最适合。 4A) RBF 神经网络 B) SOM 神经网络C) BP 神经网络 D) ELMAN 神经网络试题、试卷纸 总 4 页 第 3 页 （ A ）卷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（ ）方向调整。12A) 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
6、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（ ）不是13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（ ）算法与其它三个算法的原理不一样。14A) 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.
7、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（ ）算法与其它三个算法的原理不一样。15A) 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（ ）15A) Visual Basic B) Visual C+ C) C D) C+ Build
8、er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。howee图一who试题、试卷纸 总 4 页 第 4 页 （ A ）卷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
9、。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
10、 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x1 x2 d0
11、 0 00 1 01 0 01 1 1表 二 X1 X2 d 1 1 0 1 0 1 0 1 1 0 0 0 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
