人工神经网络以前试..docVIP

人工神经网络原理课程考试试卷 一、填空题（共40分） 1、人工神经网络（Artificial Neural Networks，ANNs），也简称为神经网络属于 sigmoid函数 、属于 阈值函数threshold/sign function 、属于 斜坡函数 ramp function 3、一个神经元有三部分构成：____突触权值、求和结点、激活函数_____。 4、三种常见的人工神经网络结构：__单层前向网络__、__多层前向网络___、__递归/反馈网络___。 5、神经网络的学习规则或算法有3类：__有监督学习规则__、___无监督学习规则__、___增强学习规则__。 6、神经网络常用的三种优化算法：_最速下降法_、_牛顿法_、__共轭梯度法_。 7、最小均方算法(Least mean square, LMS)，又称_Widrow-Hoff_算法，或 _delta规则_。它是一个近似的 最速下降算法 。它的核心利用性能指数（代价函数）的 瞬时值 来估计性能指数，这里的性能指数主要是上面讨论的 误差平方和 。 8、反向传播算法（BP）算法的计算经过两个方向：第一次是 前向通过 ，第二次是 反向通过 。BP算法中的激活函数满足的条件: 连续可微(logistic函数、双曲正切函数tanh) 。 二、综合题（每题15分，共60分） 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。 用数学方法（而不是图形方式）证明下面问题对于两输入/单神经元感知机是不可解的。 单层感知机与LMS算法的共同点与不同点 下图是一个简化的1-1-1多层前向网络，第一层是只有一个节点的输入层，第二层包含1个神经元的隐层，第3层是只包含一个神经元的输出层。隐层的神经元的激活函数是sigmoid函数，即?(x)=，输出层得激活函数是线性函数，即?(x)=x。初始的权值和偏置设为 w1=1,b1=1,w2=-2,b2=1，一个初始输入为 [x=1,d=1] 求均方误差e2，用公式表示，要求所有的权值和偏置 根据（1）的结果，求 执行1次BP算法迭代，并计算，比较与（2）的结果。 表一 x1 x2 d 0 0 0 0 1 0 1 0 0 1 1 1