神经网络试卷(A卷)(含答案)

20 08 –20 09 学年第 一 学期 考试方式： 开卷[ ] 闭卷[√]

课程名称： 神经网络 使用班级： 计算机科学与技术（医学智能方向）06 班级： 学号： 姓名： 一、单项选择题（每空2分，共30分）

1. 人工神经网络的激活函数主要有三种形式，下面(A )对应的是非线性转移函数， ( B )对应的是对应的是域值函数，( C )分段线性函数。

()()1

01)f())f )0

1e

1, 1f , 11

)f 0

1, 1v A v B v C v v v v v v D v v ≥?=

=?

-<+?≥??

=-<<=??-≤-?

（）

2. 根据神经元的不同连接方式，可将神经网络分为两大类：分层网络和相互连接型网络。分层网络将一个神经网络模型中的所有神经元按照功能分成若干层。一般有输入层、隐含层(中间层)和输出层，各层顺次连接。下面图形(D )对应的是相互连接型网络，图形(C )对应的是层内互联的前向网络，图形( B)对应的是具有反馈的前向网络，图形( A)对应的是单纯的前向网络。

x 1x 2

x n

12

m

x 1x 2

x n

12

m

x 1x 2

x n

12

m

x 1x 2

x n

12

m

a)

b)

c)

d)

3. 在MATLAB中，下面的（○3）命令可以使用得下次绘制的图和已经绘制的图将

不在同一张图上。

A) hold on（设置在同一张图绘制多条曲线）B) figure （下次的图和已绘制的不在同一张图上）C) plot D) hold off（取消在同一张图绘制多条曲线）

3.下面是一段有关向量运算的MA TLAB代码:

>>y= [3 7 11 5];

>>y(3) = 2

运算后的输出结果是（○8）

A) 3 2 11 5 B) 3 7 2 5C) 2 7 11 5 D) 3 7 11 2

4. 下面是一段有关矩阵运算的MATLAB代码:

>>A = [1 2 3 4; 5 6 7 8; 9 10 11 12]；

>>B = A(2,1:3)取出矩阵A中第二行第一个到第三个构成矩阵B

若A(2,3)=5将矩阵第二行第三列的元素置为5

A=[A B’]将B转置后，再以列向量并入A

A(：，2)=[]删除第二列：代表删除列A([1,4],:)=[]删除第一和第四行：代表删除行A=[A;4,3,2,1]加入第四行

那么运算后的输出结果是（○9）

A) 5 7 8 B) 5 6 8 C) 5 6 7D) 6 7 8

5.下面对MATLAB中的plot(x,y,s)函数叙说正确的是（○10）

A) 绘制以x、y为横纵坐标的连线图(plot(x,y)) B绘制多条不同色彩的连线图(plot(x,y))

C) 默认的绘图颜色为蓝色D) 如果s=’r+’，则表示由红色的+号绘制图形

6. 如果现在要对一组数据进行分类，我们不知道这些数据最终能分成几类，那么应

该选择（○11）来处理这些数据最适合。

A) BP神经网络B)RBF神经网络

C) SOM神经网络D)ELMAN神经网络

4. 如果现在要对一组数据进行分类，我们已经知道这些数据最终能分成几类，那么

应该选择（○4）来处理这些数据最适合。

A) RBF神经网络B) SOM神经网络

C) BP神经网络D) ELMAN神经网络

7.一个只有单权值的神经网络，其误差函数为

A) 增大

B) 减少

C) 可能增大也可能减少

D) 不变

图一ho

8. 单层感知器，它最大的缺点是只能解决线性可分的分类模式问题，要增强网络的

分类能力唯一的方法是采用多层网络结构，与单层感知器相比较，下面（○13）不是多层网络所特有的特点。

A) 神经元的数目可以达到很大B) 含有一层或多层隐单元

C) 激活函数采用可微的函数D) 具有独特的学习算法

9.标准BP算法采用的是最速梯度下降法修正权值，该算法存在与输入样本的顺序

有关、收敛速度缓慢、易陷入局部极小等缺陷，为了克服算法中的不足，研究者们提出了许多改进算法，其中（○14）算法与其它三个算法的原理不一样。

A) 附加动量的改进算法B) 使用拟牛顿法的改进算法

C) 采用自适应调整参数的改进算法D) 使用弹性方法的改进算法

10. 标准BP算法采用的是最速梯度下降法修正权值，该算法存在与输入样本的顺序有关、收敛速度缓慢、易陷入局部极小等缺陷，为了克服算法中的不足，研究者们提出了许多改进算法，其中（○15）算法与其它三个算法的原理不一样。

A) 基于共轭梯度法的改进算法B) 附加动量的改进算法

C) 使用拟牛顿法的改进算法D) 基于Levenberg-Marquardt法的改进算法

10.nnToolKit 神经网络工具包中的函数可以在MATLAB环境下独立运行，也可打包成COM对象被其它语言调用，但是不能被（○15）

A) Visual Basic B) Visual C++ C) C D) C++ Builder

二、填空题（每空2分，共20分）

1. 人工神经网络（Artificial Neural Networks，ANNs），也简称为神经网络（NNs），

是模拟生物神经网络进行信息处理的一种数学模型，以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。

2. 人工神经元模型可以看成是由3种基本元素组成一个连接，一个加法器，一个激

活函数

3. 神经网络的学习也称为训练，指的是神经网络在受到外部环境的刺激下调整神经网络的参数，使神经网络以一种新的方式对外部环境做出反应的一个过程。神经网络的学习方式可分为有导师学习，无导师学习，再励学习

4. 神经网络的基本属性反映了神经网络特点，它主要有 并行分布式处理 、非线性处理 和具有自学习功能等。

1. 人工神经网络从生物神经网络发展而来，一个神经元就是一个神经细胞，在人类大脑皮层中大约有100亿个神经元。神经元是基本的信息处理单元。生物神经元主要由细胞体 ，树突，轴突，突触 组成。

2. 学习算法是指针对学习问题的明确规则，学习类型是由参数变化发生的形式决定的，不同的学习算法对神经元的权值调整的表达式是不同的。人工神经网络常用的算法有Hebb 学习算法 &学习算法，随机学习算法，竞争学习算法 等。

三、综合题（其中第1题20分，第2题20分，第三题10分，共50分）

1、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。

2、构建一个BP 神经网络（网络结构见图二）完成对表二中的数据分类，设初始连接权值全部为0.5，阈值为0，学习率为0.5，输入层到隐含层，隐含层到输出值的激活函数为单极SIGMOID 函数，要求误差e 为0.1，当输入样本（1，1，0）时，计算BP 算法执行

表一 x 1 x 2 d 0 0 0 0 1 0 1 0 0 1 1 1

2、本课程中学习了许多不同结构的神经网络，请您就BP 神经网络、RBF 神经网络和 SOM 神经网络三种神经网络说明它们各自的特点，并就它们的特点各给出一个实际应 用中的例子。

BP:1使用sigmoid （）函数作为激活函数，输入的可见区域大2学习速率快3具有自学能力，例子：遥感适应模式识别

RBF ：1学习速率快2输入定向区域小（径向基函数）3适用解决分类问题。例子四声自动识别

SOM ：1快速性（天隐含层）（双层结构，输入输出映射）2无监督性3可视化效果

适用：解决模式分类和识别方面的应用。例子：颜色图像分割

X X