智能計(jì)算復(fù)習(xí)題

1、一、判斷 一、判斷題1. 馮. 諾依曼機(jī)采用程序存儲(chǔ)方式，即在計(jì)算機(jī)中設(shè)置存儲(chǔ)器，將符號(hào)化的計(jì)算步驟放在存儲(chǔ)器中。（ √ ）2. 人工神經(jīng)網(wǎng)絡(luò)是由人工方式構(gòu)造的網(wǎng)絡(luò)，是一個(gè)線性動(dòng)力學(xué)系統(tǒng)。 （ × ）3. 人工神經(jīng)網(wǎng)絡(luò)（ANN）的別名包括：人工神經(jīng)系統(tǒng)（ANS）、神經(jīng)網(wǎng)絡(luò)（NN）、自適應(yīng)系統(tǒng)（Adaptive Systems）、自適應(yīng)網(wǎng)（Adaptive Networks）、聯(lián)接模型（Connectionism）和神經(jīng)計(jì)算機(jī)

2、（Neurocomputer）。 （ √ ）4. ANN 一般由簡(jiǎn)單元件分層次組織成大規(guī)模的、串行連接構(gòu)造的網(wǎng)絡(luò)，意在按照生物神經(jīng)系統(tǒng)的方式處理真實(shí)世界的客觀事物。 （ × ）5. 神經(jīng)網(wǎng)絡(luò)激活函數(shù)中，非線性斜面函數(shù)的飽和值，為該神經(jīng)元的最大輸出。 （ √ ）6. 在 ANN 學(xué)習(xí)規(guī)則中，Hebb 規(guī)則和△學(xué)習(xí)規(guī)則均為有導(dǎo)師學(xué)習(xí)規(guī)則。 （ × ）7.“1”與“1”的異或結(jié)果為 1。 （ &

3、#215; ）8. 在 BP 網(wǎng)絡(luò)中，學(xué)習(xí)過程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過程組成，因而 BP 網(wǎng)絡(luò)是一種反饋網(wǎng)絡(luò)。 （ √ ）9. BP 網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和 CPN 對(duì)傳網(wǎng)的拓?fù)浣Y(jié)構(gòu)是不同的。 （ × ）10. CPN 網(wǎng)絡(luò)將有導(dǎo)師和無導(dǎo)師訓(xùn)練算法結(jié)合在一起，可解決網(wǎng)絡(luò)隱藏層的理想輸出未知的問題。 （ √ ）11. 在循環(huán)網(wǎng)絡(luò)穩(wěn)定性分析過程中，我們可以采用著名的 Lyapunov 函數(shù)作為 Hopfiel

4、d 網(wǎng)絡(luò)的能量函數(shù)。 （ √ ）12. 可采用穩(wěn)定性、存儲(chǔ)容量、吸引半徑和收斂時(shí)間指標(biāo)來評(píng)價(jià)一個(gè)反饋神經(jīng)網(wǎng)絡(luò)的性能。 （ √ ）13. 如果 Hopfield 網(wǎng)絡(luò)的連接權(quán)矩陣是 0 對(duì)稱矩陣，則它是穩(wěn)定的。 （ × ）14. 遺傳算法是由美國(guó)的 J. Holland 教授于 1975 年在他的專著《自然界和人工系統(tǒng)的適應(yīng)性》中首先提出的，它是一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法 。 （ √ ）

5、15. 模式定理和積木塊假設(shè)是保證遺傳算法可以快速、有效獲得最優(yōu)解的數(shù)學(xué)基礎(chǔ)。 （ √ ）16. 目前混合遺傳算法實(shí)現(xiàn)方法一般體現(xiàn)在引入全局搜索過程和增加編碼變換操作過程兩個(gè)方面。 （ × ）17. 在模擬退火算法的運(yùn)行過程中溶入遺傳算法，稱為模擬退火遺傳算法。采用模擬退火遺傳算法可2. 簡(jiǎn)述人工神 述人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)。 的特點(diǎn)。 （4 個(gè)） 個(gè)）復(fù)雜非線性函數(shù)的逼近： 性函數(shù)的逼近：NNs 可以充分逼近任意復(fù)雜

6、的非線性函數(shù)，人工神經(jīng)網(wǎng)絡(luò)是高度非線性動(dòng)力學(xué)系統(tǒng)，非線性函數(shù)可以是連續(xù)的、也可以是離散的，結(jié)構(gòu)可以是單層的、也可以是多層的、具有 、具有分布式信息存 分布式信息存儲(chǔ)特點(diǎn)、具有很 特點(diǎn)、具有很強(qiáng)的魯棒性和容 棒性和容錯(cuò)性。 性。所有定量、定性的信息都等勢(shì)分布于網(wǎng)絡(luò)內(nèi)的各個(gè)神經(jīng)元，大量神經(jīng)元之間通過不同連接方式和權(quán)值分布來表征特定的信息。個(gè)別神經(jīng)元或局部網(wǎng)絡(luò)受損時(shí)，神經(jīng)網(wǎng)絡(luò)可以依靠現(xiàn)有的存儲(chǔ)實(shí)現(xiàn)對(duì)數(shù)據(jù)的聯(lián)想記憶功能。 （反饋網(wǎng)絡(luò)）。 、具有

7、巨量信息并 、具有巨量信息并行處理和大 理和大規(guī)模平行 模平行計(jì)算能力 算能力每個(gè)神經(jīng)元對(duì)所接受的信息作相對(duì)獨(dú)立的處理，但各個(gè)神經(jīng)元之間可以并行、協(xié)同地工作；人腦每個(gè)神經(jīng)元很簡(jiǎn)單，但由于大腦總計(jì)形成 10E14-15 個(gè)突觸，使得人腦 1s內(nèi)可完成計(jì)算機(jī)至少需要 10 億處理步驟才能完成的任務(wù)、具有自 、具有自組織 組織、自學(xué) 、自學(xué)習(xí)功能： 功能：人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)所在的環(huán)境去改變它的行為，可以按要求產(chǎn)生從未遇到的模式—“抽象”功能

8、；神經(jīng)網(wǎng)絡(luò)間的連接網(wǎng)絡(luò)權(quán)值可以通過自學(xué)習(xí)過程不斷地修正；能在某些輸入不確定或默認(rèn)情況下，根據(jù)一定的學(xué)習(xí)規(guī)則自主地從樣本中學(xué)習(xí)，達(dá)到自適應(yīng)不知道或不確定的系統(tǒng)3. 離散多 離散多輸出感知器的 出感知器的訓(xùn)練 訓(xùn)練算法。 算法。4. 繪制 CPN 網(wǎng)絡(luò)的基本拓?fù)?的基本拓?fù)浣Y(jié)構(gòu)。 構(gòu)。5. 畫出 畫出簡(jiǎn)單遺傳 簡(jiǎn)單遺傳算法的基本流程 算法的基本流程圖。產(chǎn)生初始群體 生初始群體是否 是否滿足停止準(zhǔn) 足停止準(zhǔn)則是輸出結(jié)果并 果并結(jié)束計(jì)算個(gè)體適