人工神经网络复习资料题.docxVIP

,. 《神经网络原理》 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。 、汉明距离指两个向量中对应元素不同的个数。二、简答题 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？ F(X) F(X) (1) (2) 0 a b X 0 a X 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 学习方程是什么？ 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： wij wij (n 1) wij (n) yi xj 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 1、 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。 2、 试述离散型 Hopfield 神经元网络的结构及工作原理。 （1） Hopfield 神经元网络的结构如下： ① 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： f1(x) f2 (x) fn (x) sgn(x) ③ x ( x1 , x2 , , xn ), x 1, n 1 为网络的输入； y ( y1 , y2 , , yn ), y 1, n 1 为网络的输出； v(t )