第六章-神经网络

一、填空题1、神经元（即神经细胞）是由、、和四部分构成。

2、按网络结构分，人工神经元细胞可分为和，按照学习方式分可分为和。

3、人工神经网络常见的输出变换函数有和。

4、人工神经网络的学习规则有、和。

5、国内外学者提出了许多面向对象的神经网络控制结构和方法，从大类上看，较具代表性的有以下几种、和。

6、在一个神经网络中，常常根据处理单元的不同处理功能，将处理单元分成有以下三种、和。

7、在一个神经网络中，基本单元神经元的三个基本要素是、和。

8、人工神经网络常见的激发函数或作用函数有、、和。

9、BP网络的学习算法的改进有、和。

10、神经网络是由大量广泛互联而成的网络。

11、人工神经网络的学习方法有和。

12、从生物控制论的观点来看，神经元具有以下功能和特性、和。

13、一般来讲，人工神经网络的结构可以分成两种基本类型和。

14、人工神经网络的学习算法有、和。

15、BP学习算法实际包含了两类信号不同方向的传播过程，一类是施加输入信号由输入层经隐层到输出层，产生输出响应的过程；另一类是希望输出与实际输出之间的误差信号由输出层返回隐层和输入层，反向逐层修正连接权值和神经元输出阈值的过程。

16、神经网络的学习方式可以分成、和。

17、An biologic neuron is composed of and .二、选择题1、一般认为，人工神经网络(ANN)适用于（）A、线性系统B、多变量系统C、多输入多输出系统D、非线性系统2、最早提出人工神经网络思想的学者是（）A、McCulloch-PittsB、HebbC、Widrow-HoffD、Rosenblatt3、神经元模型一般为（）A、单输入多输出B、多输入单输出C、单输入单输出D、多输入多输出三、简答题1、简述神经网络的特点。

2、试画出一个2-3-5-2 BP网络的结构图，说明节点函数。

3、简要说明多层感知器的结构和学习算法。

4、前馈型神经网络有什么特点？哪些结构的神经网络属于前馈神经网络？5、简要说明典型的人工神经元模型。

6、神经网络控制系统的结构形式有哪些？7、什么是感知器？8、神经网络的基本属性是什么？9、试画出BP网络的结构图，并说明其特点。

10、给出典型的神经元模型。

11、人工神经网络有哪些学习方法？简述之。

12、试画出5输入、3个输出、蕴含层有10个神经元的3层BP网络，并说明BP 网络的优点。

13、BP基本算法的优缺点。

14、人工神经元网络的拓扑结构主要有哪几种？15、BP基本算法的优缺点。

16、什么是神经网络的学习算法？神经网络中常用的学习规则有哪些？17、试论述对BP网络算法的改进。

18、神经元计算与人工智能传统计算有什么不同？19、请说出神经网络与模糊系统的融合方式。

20、模糊神经网络由哪些学习算法？21、简述自适应神经-模糊推理系统ANFIS的结构和学习算法。

22、模糊神经网络分哪两大类？各有什么特点？23、简单叙述生物神经元和人工神经元的结构。

24、从人工神经网络的结构来看，神经网络可以分成几种类型？并说明它们的特点。

25、人工神经网络在工程上得到广泛应用，说明它具有的突出优点。

26、神经网络的学习方式和学习算法有哪些？各有什么特点，并适合什么样的网络？27、前馈型神经网络有什么特点？哪些结构的神经网络属于前馈神经网络？28、构建一个BP网络完成逻辑“与”的分类。

29、反馈神经网络的拓扑结构有什么特点？哪些神经网络属于反馈神经网络？30、什么是神经网络控制？其基本思想是什么？31、神经网络控制系统可以分为哪几类？举例说明三种神经网络控制系统的结构。

32、神经元的种类有哪些？它们的函数关系如何？33、为什么由简单的神经元连接而成的神经网络具有非常强大的功能？34、神经网络按连接方式分有哪几类？35、为什么说神经控制具有潜在发展前景？试结合ANN的特性加以讨论。

36、人工神经网络可分为哪两类，通过网络中神经元的连接情况加以说明37、试画出一个3-5 RBF网络的结构图，说明节点函数和学习过程。

38、试比较单层感知器和多层感知器。

39、神经网络控制系统主要分为哪五类？40、试说明BP学习算法中包含的两类信号不同方向的传播过程。

41、RBF网络与BP网络的主要区别是什么？42、生物神经元主要有哪些部分组成？试给出等效的MP模型。

43、画出静态多层前向人工神经网络（BP网络）的结构图，并简述其特点44、试画出一个3-5-2 BP网络的结构图，说明节点函数和学习算法，并说明BP网络的缺点。

45、试画出一个RBF 神经网络的结构图，并说明其节点函数。

四、计算题1、如图4-24所示的多层前向传播神经网络结构。

假设对于期望的输入12[,][13]x x =,12[,][0.90.3]d d y y =。

网络权系数的初始值见图。

试用BP 算法训练此网络。

并详细写出第一次迭代学习的计算结果。

这里，取神经元激励函数1()1xf x e -=+。

学习步长为1η=。

最大迭代次数为iterafe max 。

误差为e 。

（四舍五入，精确到小数后1位）2、试设计一个离散型Hopfield 网络，具有联想记忆功能，使其能正确识别0～9的阿拉伯数字。

并且每次随机改变2个、4个和6个象素后，分别测试一下网络对加入噪声的数字的正确诊断率。

3、试设计一个单神经元感知器，利用MATLAB 编程解决下述训练样本的模式分类，并找出其分界线。

8个训练样本为}1,10{11=⎥⎦⎤⎢⎣⎡=y P ；}0,01{22=⎥⎦⎤⎢⎣⎡=y P ；}0,11{33=⎥⎦⎤⎢⎣⎡=y P ；}1,01{44=⎥⎦⎤⎢⎣⎡-=y P }1,11{55=⎥⎦⎤⎢⎣⎡-=y P ；}1,11{66=⎥⎦⎤⎢⎣⎡--=y P ；}0,10{77=⎥⎦⎤⎢⎣⎡-=y P ；}0,11{88=⎥⎦⎤⎢⎣⎡-=y P 4、利用MatLab 中神经网络函数创建一个RBF 网络，并对非线性函数)sin(x y π=进行逼近。

编写MatLab 程序并给出仿真结果。

答案：一、1、细胞体、树突、轴突、突触2、层状结构、网络结构、有教师学习、无教师学习3、略。

4、无监督Hebb 学习规则、有监督δ学习规则或Widow-Hoff 学习规则、有监督Hebb 学习规则5、略。

6、略。

7、略。

8、阈值函数，分段线性函数，双曲函数、Sigmoid 函数9、引入动量项、变尺度法、变步长法10、略。

11、略。

12、略。

13、前馈（前向）网络、反馈（递归）网络14、误差修正规则或Delta （δ）学习规则、Hebb 学习规则、竞争学习规则15、输入模式正向传播、误差逆传播16、有教师学习（有监督学习）、无教师学习（无无监督学习、Unsupervised Learning ）、增强学习（Reinforcement Learning ）17、细胞体（Soma ）、突起（Neurites ）二、1 D2 A3 C三、1、1）神经网络可以充分逼近任意复杂的非线性函数。

2）神经网络具有分布式信息存贮特点，有很强的鲁棒性和容错性。

3）神经网络具有巨量信息并行处理和大规模平行计算能力。

4）神经网络具有自组织、自学习功能，是自适应组织系统。

2、答案：隐含结点函数为S 型函数。

输出结点函数为S 型函数或线性函数3、答案：图中T m x x x X ),,(21 =为输入特征向量，各分量为),2,1(m i x i =，ij w 为i x 到第一隐层j s 的连接权值，j θ为第一隐层神经元的阈值；jt w 为j s 到第二隐层t g 的连接权值，t θ为第二隐层神经元的阈值；输出量),,(21n y y y Y =，各分量为),2,1(n k y k =，tk v 为t g 到输出层k y 的连接权值，k θ为输出神经元的阈值；)(∙f 为激励函数，通常用阶跃函数、双极值函数。

学习算法可以采用Hebb 学习规则。

4、答案：前馈型神经网络中的神经元按层排列，网络从输入层到输出层是单向连接，只有前后相邻两层之间神经元实现相互连接，从上一层接收信号输送给下一层神经元，同层的神经元之间没有连接，各神经元之间也没有反馈。

前馈网络是一种静态的非线性映射，大部分前馈网络都是学习网络，比较适用于模式识别、分类和预测评价问题典型的前馈网络有感知器（MLP ）、误差反向传播网络（BP ）和径向基函数神经网络（RBF ）、小脑模型连接控制网络（CMAC ）等。

5、答案：其中，i x （n i ,2,1 =）是从其它神经元传来的输入信号；i w 表示从其它神经元到该神经元的连接权值；θ为该神经元激活阈值；y 为神经元输出；)(∙f 为输出变换函数，一般为非线性函数，也可以称为激励函数、响应函数等。

6、答案：直接逆动态控制神经网络自适应控制包括自校正控制和模型参考自适应控制神经网络PID 控制神经网络内模控制神经网络模型预测控制X1 X2y1 y2或者监视控制、直接逆控制、模型参考控制、内部模型控制、预测控制、自适应控制、系统辨识、滤波预报等更加细致的分类形式。

或者基于传统控制理论的神经控制和基于神经网络的智能控制两大类7、答案：感知器（Perceptron）是一个具有单层神经元的神经网络，并由线性阀值元件组成，是最简单的前向神经网络，它主要用于模式分类。

由感知器的网络结构，我们可以看出感知器的基本功能是将输入矢量转化成0或1的输出。

感知器利用其学习规则来调整网络的权值，以便使该网络对输人矢量的响应达到数值为0或1的目标输出。

感知器的学习是有指导的学习，其训练算法的基本原理来源于著名的Hebb学习规则。

基本思想是：逐步地将样本集中的样本输入到网络中，根据输出结果和理想输出之间的差别来调整网络中的权系数。

8、答案：神经网络的基本属性：1) 非线性2) 非局域性3) 非定常性4) 非凸性9、答案：BP网络的主要特点是：1）输入和输出是并行的模拟量；2）网络的输入输出关系是各层连接的权因子决定，没有固定的算法；3）权因子是通过学习信号调节的，这样学习越多，网络越聪明；4）隐含层越多，网络输出精度越高，且个别权因子的损坏不会对网络输出产生大的影响10、略。

11、略。

12、略。

13、略。

14、略。

15、略。

16、答案：“学习”是指在外界环境激励作用下，神经网络的连接权值不断调整适应的过程。

神经网络的学习算法是指一系列事先定义好的解决学习问题的规则，它决定了如何调整神经网络连接权值的方式。

误差修正规则（Error-Correction Learning）、误差修正规则（Error-Correction Learning）Hebb学习规则（Hebbian Learning）、竞争学习（Competitive Learning）。

17、略。

18、略。