2008–2009學年第一

學期

考試方式：開卷[

]閉卷[√]課程名稱：神經網絡

使用班級：

計算機科學與技術（醫學智能方向）06

班級：

學號：

姓名：

一、單項選擇題（每空2分，共30分）1.人工神經網絡的激活函數主要有三種形式，下面(A)對應的是非線性轉移函數，(B)對應的是對應的是域值函數，(C)分段線性函數。2.根據神經元的不同連接方式，可將神經網絡分為兩大類：分層網絡和相互連接型網絡。分層網絡將一個神經網絡模型中的所有神經元按照功能分成若干層。一般有輸入層、隱含層(中間層)和輸出層，各層順次連接。下面圖形(D)對應的是相互連接型網絡，圖形(C)對應的是層內互聯的前向網絡，圖形(

B)對應的是具有反饋的前向網絡，圖形(A)對應的是單純的前向網絡。3.在MATLAB中，下面的（）命令可以使用得下次繪制的圖和已經繪制的圖將不在同一張圖上。A)holdon（設置在同一張圖繪制多條曲線）

B)figure（下次的圖和已繪制的不在同一張圖上）

C)plot

D)holdoff（取消在同一張圖繪制多條曲線）3.下面是一段有關向量運算的MATLAB代碼:

>>y=[37115];

>>y(3)=2

運算后的輸出結果是（）A)32115

B)3725

C)27115

D)37112

4.下面是一段有關矩陣運算的MATLAB代碼:>>A=[1234;5678;9101112]；>>B=A(2,1:3)取出矩陣A中第二行第一個到第三個構成矩陣B若A(2,3)=5將矩陣第二行第三列的元素置為5A=[A

B’]將B轉置后，再以列向量并入AA(：，2)=[]刪除第二列：代表刪除列A([1,4],:)=[]刪除第一和第四行：代表刪除行A=[A;4,3,2,1]加入第四行那么運算后的輸出結果是（）A)578

B)568

C)567

D)

6785.下面對MATLAB中的plot(x,y,s)函數敘說正確的是（）A)繪制以x、y為橫縱坐標的連線圖(plot(x,y))B繪制多條不同色彩的連線圖(plot(x,y))C)默認的繪圖顏色為藍色

D)如果s=’r+’，則表示由紅色的+號繪制圖形6.如果現在要對一組數據進行分類，我們不知道這些數據最終能分成幾類，那么應該選擇（）來處理這些數據最適合。A)BP神經網絡

B)RBF神經網絡

C)SOM神經網絡

D)ELMAN神經網絡4.如果現在要對一組數據進行分類，我們已經知道這些數據最終能分成幾類，那么應該選擇（）來處理這些數據最適合。A)RBF神經網絡

B)SOM神經網絡C)BP神經網絡

D)ELMAN神經網絡7.一個只有單權值的神經網絡，其誤差函數為e圖一who當誤差函數對權值的偏導數如圖一所示，此時權值應該向（）方向調整。A)增大

B)減少C)可能增大也可能減少D)不變8.單層感知器，它最大的缺點是只能解決線性可分的分類模式問題，要增強網絡的分類能力唯一的方法是采用多層網絡結構，與單層感知器相比較，下面（）不是多層網絡所特有的特點。A)神經元的數目可以達到很大

B)含有一層或多層隱單元

C)激活函數采用可微的函數

D)具有獨特的學習算法9.標準BP算法采用的是最速梯度下降法修正權值，該算法存在與輸入樣本的順序有關、收斂速度緩慢、易陷入局部極小等缺陷，為了克服算法中的不足，研究者們提出了許多改進算法，其中（）算法與其它三個算法的原理不一樣。A)附加動量的改進算法

B)使用擬牛頓法的改進算法

C)采用自適應調整參數的改進算法

D)使用彈性方法的改進算法10.標準BP算法采用的是最速梯度下降法修正權值，該算法存在與輸入樣本的順序有關、收斂速度緩慢、易陷入局部極小等缺陷，為了克服算法中的不足，研究者們提出了許多改進算法，其中（）算法與其它三個算法的原理不一樣。A)基于共軛梯度法的改進算法B)附加動量的改進算法

C)使用擬牛頓法的改進算法

D)基于Levenberg-Marquardt法的改進算法10.nnToolKit

神經網絡工具包中的函數可以在MATLAB環境下獨立運行，也可打包成COM對象被其它語言調用，但是不能被（）A)Visual

Basic

B)Visual

C++

C)C

D)C++Builder二、填空題（每空2分，共20分）1.人工神經網絡（ArtificialNeuralNetworks，ANNs），也簡稱為神經網絡（NNs），是模擬生物神經網絡進行信息處理的一種數學模型，以對大腦的生理研究成果為基礎，其目的在于模擬大腦的某些機理與機制，實現一些特定的功能。2.

人工神經元模型可以看成是由3種基本元素組成一個連接，一個加法器，一個激活函數3.神經網絡的學習也稱為訓練，指的是神經網絡在受到外部環境的刺激下調整神經網絡的參數，使神經網絡以一種新的方式對外部環境做出反應的一個過程。神經網絡的學習方式可分為有導師學習，無導師學習，再勵學習4.神經網絡的基本屬性反映了神經網絡特點，它主要有并行分布式處理

、非線性處理

和具有自學習功能等。1.人工神經網絡從生物神經網絡發展而來，一個神經元就是一個神經細胞，在人類大腦皮層中大約有100億個神經元。神經元是基本的信息處理單元。生物神經元主要由細胞體，樹突，軸突，突觸組成。2.學習算法是指針對學習問題的明確規則，學習類型是由參數變化發生的形式決定的，不同的學習算法對神經元的權值調整的表達式是不同的。人工神經網絡常用的算法有Hebb學習算法&學習算法，隨機學習算法，競爭學習算法等。三、綜合題（其中第1題20分，第2題20分，第三題10分，共50分）1、構建一個有兩個輸入一個輸出的單層感知器，實現對表一中的數據進行分類，設感知器的閾值為0.6，初始權值均為0.1，學習率為0.6，誤差值要求為0，感知器的表一x1x2d000010100111激活函數為硬限幅函數，計算權值w1與w2。

2、構建一個BP神經網絡（網絡結構見圖二）完成對表二中的數據分類，設初始連接權值全部為0.5，閾值為0，學習率為0.5，輸入層到隱含層，隱含層到輸出值的激活函數為單極SIGMOID函數，要求誤差e為0.1，當輸入樣本（1