机器学习 习题8答案.docx

一简答题

1.在机器学习中，神经网络的概念是什么？

答：神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。

2.一个神经元有____个输入，_____个输出。

答：多；一

3.多层感知机MLP有哪几层结构组成？

答：输入层、隐含层、输出层

4.误差梯度下降法的思想是什么？

答：当预测值和真实值（期望值）间的误差达不到预设的目标精度要求时，网络会从输出层逐层向输入层反馈该误差信息，并调整各层间的权值、神经元的偏置，通过反复循环迭代逐步的降低网络的输出值与样本的期望输出值之间的误差，直至满足设定的循环次数或精度要求。

5.MLP相对于CNN的主要缺点是什么？

答：一是参数数量爆炸，二是缺乏空间推理。

6.卷积神经网络CNN有哪几层构成？

答：CNN主要由输入层、卷积层、池化层、全连接层和输出层构成

7.CNN的卷积层、池化层、全连接层各自的作用是什么？

答：卷积层的主要功能是提取样本特征，池化层的主要功能是对特征进行降维，全连接层是对经过卷积和池化操作后的特征图进行分类预测。

二计算题

1有一个分类数据集，属性字段有10个，需要划分为6类，如果用单隐含层的MLP进行分类，那么输入层需要几个神经元，输出层需要几个神经元，隐含层至少需要几个神经元？

解：

属性字段有10个，所以输入层需要10个神经元

需要划分为6类，所以输出层需要6个神经元

隐含层神经元数量j=(10+6)^0.5+a=4+a，a最小为0，至少需要4个神经元。

2一个训练好的MLP的拓扑图如下。hidden层和output层的每一个神经元的激活函数均是ReLU函数。现在输入的数据样本为[0.1,-0.2]，问样本会被判定为什么类别？

解：

x=[0.1-0.2]T

w1=[[0.10.2],

[0.2-0.3]

[0.30.1]]

y=w1*x=[[-0.03]

[0.08]

[0.01]]

经过ReLU函数：

y1=[[0.]

[0.08]

[0.01]]

z=w2*y1=[[0.018]

[-0.023]]

经过ReLU函数：

z1=[[0.018],

[0]]

因为0.0180，所以判断为class1

3已知卷积层输出的数据为A，求A经过3*3的平均池化层以后的结果B。

A=[[0.5,1.0,0.2,0.4,0.4,0.2,0.3,0.3,0.8],

[0.4,0.9,0.1,0.9,0.2,0.3,0.3,1.0,0.6],

[0.3,1.0,0.5,0.5,0.4,0.8,0.3,0.7,0.8],

[0.5,0.1,1.0,0.5,0.8,0.3,0.3,0.5,0.2],

[0.4,0.3,0.8,0.8,0.9,0.1,0.8,0.5,0.1],

[0.4,0.7,0.3,0.8,0.1,0.3,0.6,0.5,0.4],

[0.8,0.1,0.8,0.6,0.9,0.1,0.7,1.0,0.3],

[0.6,0.9,0.1,0.2,0.7,0.4,0.8,0.4,0.9],

[0.5,0.7,0.4,0.4,0.2,0.2,0.6,0.7,0.5]]

解：将矩阵分成3*3的分块：

A=[[0.5,1.0,0.2,|0.4,0.4,0.2,|0.3,0.3,0.8],

[0.4,0.9,0.1,|0.9,0.2,0.3,|0.3,1.0,0.6],

[0.3,1.0,0.5,|0.5,0.4,0.8,|0.3,0.7,0.8],

------------------------------------------------------------------------

[0.5,0.1,1.0,|0.5,0.8,0.3,|0.3,0.5,0.2],

[0.4,0.3,0.8,|0.8,0.9,0.1,|0.8,0.5,0.1],

[0.4,0.7,0.3,|0.8,0.1,0.3,|0.6,0.5,0.4],

-----------------------------------------------------------------------

[0.8,0.1,0.8,|0.6,0.9,0.1,|0.7,1.0,0.3],

[0.6,0.9,0.1,|0.2,0.7,0.4,|0.8,0.4,0.9],

[0.5,0.7,0.4,