人工神经网络 课堂练习1-2

人工神经网络课堂练习1
1.人脑与计算机信息处理的主要区别是什么？
2.神经网络的基本特征是什么？
3.神经网络的基本功能是什么？
4.神经网路的功能特点是由什么决定？
5.生物神经元组成各部分的信息处理功能是什么？
信息的输入是通过（）完成
信息的输出是由（）完成
突触的作用是（）
细胞体的作用是（）
6.人工神经元数学模型与生物神经元如何对应？
（生物神经元结构与信息处理特点-------人工神经元模型假设-------模型实现）
●生物神经元的状态有几种？
●突触性质和强度的含义是什么？在人工神经元模型中做出哪
一条相对应的假设？在数学模型中如何体现？
●神经元的信息整合如何通过模型假设和表达式描述？
●生物神经元的膜电位对应人工神经元模型中哪一假设？
●生物神经元的输入输出指的是什么？对应人工神经网络模型
中的哪一点假设？在数学模型中如何体现？
7.神经网络的转移函数的主要功能和计算。

●假定输入x=3，采用sgn函数作为转移函数，问此时输出y是
什么？
●假定输入x=2，采用单极性S型函数作为转移函数，问此时输
出y是什么？
●假定输入x=1，采用双极性S型函数作为转移函数，问此时输
出y是什么？
8.神经网络模型分类有几种方式，分别包含哪些类别？
9.什么是神经网络学习？学习的种类有几种？
10.有导师学习和无导师学习的区别是什么？
11.感知器神经网络的结构是什么？
12.什么是单层感知器？
13.感知器分界方程的含义是什么？为什么要列写分界方程？
14.感知器的计算：
a)已知权值和输入，计算感知器的输出。

b)已知样本的输入输出，利用作图法确定合适的权值和阈值。

X1=[2 0]T d=-1
X2=[3 1]T d=1
X3=[0 -1]T d=1
c)已知样本的输入输出，列写分界方程或不等式确定合适的权值
和阈值。

X1=[2 0 -1]T d=1
X2=[3 1 2]T d=1
X3=[0 -1 2]T d=-1
d)已知样本的输入输出，根据学习算法确定合适的权值和阈值。

X1=[2 0 -1]T d=1
X2=[3 1 2]T d=1
X3=[0 -1 2]T d=-1
15.感知器的权值调整规律是什么？
16.多层感知器与单层感知器相比较有什么特点？
17.BP网络的结构是什么？
18.BP算法的基本思想是什么?学习过程如何进行？
19.BP网络的转移函数是什么？为什么采用该类型转移函数？你认为
还可以采用什么类型的函数来实施BP算法。

20.BP算法中误差是如何定义的？
21.BP算法的信号流向是什么？
a)前向计算中可以根据输入和权值计算出什么？如何计算？
练习：
已知输入X1=[2 0 -1]T请问输入节点有几个？
输入层到隐层的权值和阈值是V1=[4 2 2]T T1=2 V2=[3 4 1]T T2=3 ，采用双极型函数，请问隐层节点有几个？隐层的输出是多少？
隐层到输出层的权值和阈值是W1=[1 -1]T T1=-1 W2=[2 4]T T1=2，采用斜率为1的线性函数，请问输出节点有几个？网络的输出是多少？
b)误差反向传播主要是为了计算什么？其目的是什么？
人工神经网络课堂练习2
22.BP网络的主要能力？
23.BP算法中的局限性是什么，可以如何改进？
24.BP网络设计？
●输入量的表示
●输入量维数和输入节点的关系
●隐层节点数如何设计
●输出节点与什么相关
P69 3.16如何解决？
P70 3.17 如何解决？
25.自组织网络的结构是什么？
26.什么是竞争学习，与BP算法的区别是什么？
27.竞争学习中权值如何调整，其调整方向是什么？
28.竞争学习计算实例（书上习题）
●根据输入和权值，计算输出
●根据输入和竞争学习策略，调整权值
29.思考什么时候使用BP网络，什么时候使用SOM网络？
例：如下问题可以采用哪种网络，如何设计？
30.如何利用MATLAB实现网络的设计？。