神经网络原理模拟试题.docVIP

《神经网络原理》模拟试题 朱张帆　　吴俊杰 一、填空题 1、从系统的观点讲，人工神经元网络是由大量神经元通过极其丰富和完善的连接而构成的自适应、非线性、动力学系统。 2、神经网络的基本特性有拓扑性、学习性和稳定收敛性。 3、神经网络按结构可分为前馈网络和反馈网络，按性能可分为离散型和连续型，按学习方式可分为有导师和无导师。 4、神经网络研究的发展大致经过了四个阶段。 5、网络稳定性指从t=0时刻初态开始，到t时刻后v(t+△t)=v(t)，(t0)，称网络稳定。 6、联想的形式有两种，它们分是自联想和异联想。 7、存储容量指网络稳定点的个数，提高存储容量的途径一是改进网络的拓扑结构，二是改进学习方法。 8、非稳定吸引子有两种状态，一是有限环状态，二是混沌状态。 9、神经元分兴奋性神经元和抑制性神经元。 10、汉明距离指两个向量中对应元素不同的个数。 二、??答题 1、人工神经元网络的特点？ 答：（1）、信息分布存储和容错性。 （2）、大规模并行协同处理。 （3）、自学习、自组织和自适应。 （4）、人工神经元网络是大量的神经元的集体行为，表现为复杂的非线性动力学特性。 （5）人式神经元网络具有不适合高精度计算、学习算法和网络设计没有统一标准等局限性。 2、单个神经元的动作特征有哪些？ 答：单个神经元的动作特征有：（1）、空间相加性；（2）、时间相加性；（3）、阈值作用；（4）、不应期；（5）、可塑性；（6）疲劳。 3、怎样描述动力学系统？ 答：对于离散时间系统，用一组一阶差分方程来描述： X(t+1)=F[X(t)]； 对于连续时间系统，用一阶微分方程来描述： 　　dU(t)/dt=F[U(t)]。 4、F(x)与x的关系如下图，试述它们分别有几个平衡状态，是否为稳定的平衡状态？ X F(X) 0 a b (1) X F(X) 0 a (2) 答：在图（1）中，有两个平衡状态a、b，其中，在a点曲线斜率|F’(X)|1，为非稳定平稳状态；在b点曲线斜率|F’(X)|1，为稳定平稳状态。 　　在图（2）中，有一个平稳状态a，且在该点曲线斜率|F’(X)|1，为非稳定平稳状态。 5、对于单个神经元的离散模型，Hebb学习假设是什么，基本学习方??是什么？ 答：对于单个神经元的离散模型，Hebb学习假设是：只有当神经元兴奋时，与其连接的突触结合权才被强化而增大；当两个神经元同时处于兴奋状态时，它们之间的连接权应该加强。 基本学习方程是： 6、联想形式中的自联想和异联想有何区别？ 答：自联想指的是由某种代表事物（或该事物的主要特征或可能是部分主在特征）联想到其所表示的实际事物。其数学模型为：当输入X＝X0+V时，输出Y=X0。异联想指的是由某一事物（或该事物的主要特征或可能是部分主在特征）联想到与其相关的另一事物。其数学模型为：在映射X0→Y0下，当输入X＝X0+V时，输出Y=Y0。 7、网络的稳定吸引子和吸引子的吸引域分别指什么？ 答：当t=0时，对网络输入模式x，网络处于状态v(0)，到时刻t网络达到状态v(t)，若v(t)稳定，则称v(t)为网络的稳定吸引子。 吸引子的吸引域是指所有经过一定时间能够稳定在吸引子v(t)上的所有初始状态的集合。 三、论述题 前馈式神经元网络与反馈式神经元网络有何不同？ 答：（1）、前馈型神经元网络取连续或离散变量，一般不考虑输出与输入在时间上的滞后效应，只表达输出与输入的映射关系。反馈式神经元网络可以用离散变量也可以用连续取值，考虑输出与输入之间在时间上和延迟，需要用动态方程来描述系统的模型。 （2）、前馈型网络的学习主要采用误差修正法（如BP算法），计算过程一般比较慢，收敛速度也比较慢。而反馈型网络主要采用Hebb学习规则，一般情况下计算的收敛速度很快。 反馈网络也有类似于前馈网络的应用，例如用作联想记忆或分类，而在优化计算方面的应用更能显出反馈网络的特点。 试述离散型Hopfield神经元网络的结构及工作原理。 Hopfield神经元网络的结构如下： 这种网络是一种单层网络，由n个单元组成。 ②每个神精元既是输入单元，又是输出单元；各节点一般选用相同的转移函数，且为符号函数，即： ③ 　为网络的输入； 　为网络的输出； 为网络在时刻t 的状态，其中t∈{0，1，2，···} 为离散时间变量。 ④Wij为从Ni到Nj的连接权值，Hopfield网络为对称的即有Wij = Wji 。 N1 N2 Nn-1 Nn x1 x2 xn-1 xn y1 y2 Yn-1 yn … V1(t) V2(t) Vn-