最新神经网络试卷A卷含答案

20_08-2009学年第二学期 考试方式：开卷［］ 闭卷［甘课程名称：神经网络 使用班级：一计算机科学与技术(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。「心1 1vA0A)f(v)=-- B)f(v) -C)fv=v,Tv1D)fV=04A-v 10v<0广1,v-1.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。C)C)d)精品文档.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).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)37112.下面是一段有关矩阵运算的MATLAB代码：>>A=[1234;5678;9101112]；>>B=人(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']WB转置后，再以歹^向量并入AA(:，2)=口删除第二列：代表删除列A([1,4],:)=口删除第一和第四行：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)568 C)567D)678.下面对MATLAB中的plot(x,y,s)函数叙说正确的是(。口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.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(0,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(G,)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（。12）方向调整。A）增大B）减少可能增大也可能减少不变.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（O13）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.标）隹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（014）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.标）隹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（OCA）VisualBasicB）VisualC++C）C D）C++Builder、填空题（每空2分，共20分）.人工神经网络（ArtificialNeuralNetworks,ANNs）,也简称为神经网络^^）,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。.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.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.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。.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。.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。表一0000101001112、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。表二XiX2d1101010112、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