《神经网络》试题(可打印修改).pdfVIP

《神经网络》试卷

（年月日）

张翼王利伟

一、填空

1.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形动力学系统。

2.神经元（即神经细胞）是由细胞体、树突、轴突和突触

四部分构成。

3.大量神经元相互连接组成的将显示出人脑的分布存储和容错性

、大规模并行处理、自学习、自组织和自适应性、复杂的

非线形动态系统、处理复杂、不确定问题。

4.发展大体可为早期阶段、过度期、新高潮、热潮。

5.神经元的动作特征主要包括空间性相加，时间性相加，阈

值作用，不应期，疲劳和可塑性。

6.神经元与输入信号结合的两种有代表的结合方式是粗结合和

密结合。

7.年由美国心理学家和数学家提出的形式神经元数学模型简称为

模型，它规定了神经元之间的联系方式只有兴奋、抑制联系

两种。

8.目前，神经网络模型按照网络的结构可分为前馈型和反馈型

，按照学习方式可分为有导师和无导师学习。

9.神经网络工作过程主要由学习期和工作期两个阶段组成。

10.反馈网络历经状态转移，直到它可能找到一个平衡状态，这个平

1/5

衡状态称为吸引子。

二、问答题

．简述学习规则。

学习规则假定：当两个细胞同时兴奋时，它们之间的连接强度应

该增强，这条规则与“条件反射”学说一致。

在中算法最简单可描述为：如果一个处理单元从另一处理单元

接受输入激励信号，而且如果两者都处于高激励电平，那么处理单

元间加权就应当增强。用数学来表示，就是两节点的连接权将根据

两节点的激励电平的乘积来改变，即



ijijn1ijnyixi



其中ijn表示第（）是第（）次调节后，从节点到节点的连

x

接权值；为学习速率参数；为节点的输出，并输入到节点；

yi为节点的输出。

、简述自组织特征映射网络的算法。

自组织特征映射网络的算法分以下几步：

（1）权连接初始化

就是说开始时，对所有从输入节点到输出节点的连接权值

都赋以随机的小数。时间设置。

（2）网络输入模式为

b

(x,x,K,x)

12n

（3）对计算与全部输出节点所连接权向量WT的距离

j

2/5

n

d(xk)2,i{1,2,K,n},j{1,2,K,m}

jiij

i1

（4）具有最小距离的节点竞争获胜

*

dj*min{dj}

j{1,2,K,m}

（5）在每一步学习中，内的神经元自适应变化，而外的神经元保持

不变。调整输出节点所连接的权值以及几何邻域()内节点所