此题为判断题(对,错)。
A.通过训练进行学习
B.计算速度快
C.程序简单
D.需要存储空间小
此题为判断题(对,错)。
A.大规模串行结构和信息的串行处理
B.神经网络是通过输入多个非线性模型以及不同模型之间的加权互联
C.主流的神经网络算法是反馈传播,该算法在多层前向型神经网络上进行学习
D.知识和结果的不可解释性
人工神经网络与专家系统的最大区别在于:人工神经网络属于人类智能的功能模拟,而专家系统则偏重对人脑结构的模拟。
第四章 计算智能(1):神经计算 模糊计算4-1 计算智能的含义是什么?它涉及哪些研究分支?贝兹德克认为计算智能取决于制造者提供的数值数据,而不依赖于知识。计算智能是智力的低层认知。主要的研究领域为神经计算,模糊计算,进化计算,人工生命。4-2 试述计算智能(CI)、人工智能(AI)和生物智能(BI)的关系。计算智能是智力的低层认知,主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产生的智力中层认知。生物智能,尤其是人类智能,则是最高层的智能。即CI包含AI包含BI4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域?人工神经网络具有如下至关重要的特性:(1) 并行分布处理适于实时和动态处理(2) 非线性映射给处理非线性问题带来新的希望(3) 通过训练进行学习一个经过适当训练的神经网络具有归纳全部数据的能力,能够解决那些由数学模型或描述规则难以处理的问题(4) 适应与集成神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号,实现信息集成和融合,适于复杂,大规模和多变量系统(5) 硬件实现一些超大规模集成是电路实现硬件已经问世,使得神经网络成为具有快速和大规模处理能力的网络。4-4 简述生物神经元及人工神经网络的结构和主要学习算法。生物神经元大多数神经元由一个细胞体(cell body或soma)和突(process)两部分组成。突分两类, 即轴突(axon)和树突(dendrite),轴突是个突出部分,长度可达1m,把本神经元的输出发送至其它相连接的神经元。树突也是突出部分,但一般较短,且分枝很多,与其它神经元的轴突相连,以接收来自其它神经元的生物信号。轴突的末端与树突进行信号传递的界面称为突触(synapse),通过突触向其它神经元发送信息。对某些突触的刺激促使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平,它才能开始工作。此时,神经元就产生一个全强度的输出窄脉冲,从细胞体经轴突进入轴突分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋或抑制。学习就发生在突触附近。每个人脑大约含有1011-1012个神经元,每一神经元又约有103-104个突触。神经元通过突触形成的网络,传递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网络群体,用于实现记忆与思维。人工神经网络的结构人工神经网络由神经元模型构成。每个神经元具有单一输出,并且能够与其它神经元连接,存在许多输出连接方法,每种连接方法对应于一个连接权系数。人工神经网络的结构分为2类,(1) 递归(反馈)网络有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield网络,Elmman网络和Jordan网络是代表。(2) 前馈网络具有递阶分层结构,由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通,神经元从一层连接至下一层,不存在同层神经元之间的连接。多层感知器(MLP),学习矢量量化网络(LVQ),小脑模型连接控制网络(CMAC)和数据处理方法网络(GMDH)是代表。人工神经网络的主要学习算法(1) 指导式(有师)学习根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta规则,广义Delta规则,反向传播算法及LVQ算法。(2) 非指导(无导师)学习训练过程中,神经网络能自动地适应连接权,以便按相似特征把输入模式分组聚集。包括Kohonen算法,Carpenter-Grossberg自适应谐振理论(ART)(3) 强化学习是有师学习的一种特例。它不需要老师给出目标输出,而是由一个“评论员”来评介与给定输入相对应的神经网络输出的优度。例如遗传算法(GA)4-5 考虑一个具有阶梯型阈值函数的神经网络,假设(1) 用一常数乘所有的权值和阈值;(2) 用一常数加于所有权值和阈值。试说明网络性能是否会变化?4-6 构作一个神经网络,用于计算含有2个输入的XOR函数。指定所用神经网络单元的种类。4-7 假定有个具有线性激励函数的神经网络,即对于每个神经元,其输出等于常数c乘以各输入加权和。(1)设该网络有个隐含层。对于给定的权W,写出输出层单元的输出值,此值以权W和输入层I为函数,而对隐含层的输出没有任何明显的叙述。试证明:存在一个不含隐含单位的网络能够计算上述同样的函数。(2)对于具有任何隐含层数的网络,重复进行上述计算。从中给出线性激励函数的结论。4-8 试实现一个分层前馈神经网络的数据结构,为正向评价和反向传播提供所需信息。应用这个数据结构,写出一个神经网络输出,以作为一个例子,并计算该网络适当的输出值。4-9 什么是模糊性?它的对立含义是什么?试各举出两个例子加以说明。4-10 什么是模糊集合和隶属函数或隶属度?论域U模糊子集F隶属函数序偶P1194-11 模糊集合有哪些运算,满足哪些规律?并(取max),交(取min),补幂等律,交换律,结合律,分配律,吸收律,同一律,Demorgan律,复原律,对偶律,互补律不成立4-12 什么是模糊推理?有哪几种模糊推理方法?模糊推理是建立在模糊逻辑基础上的,一种不确定性推理方法,是在二值逻辑三段论基础上发展起来的。它以模糊判断为前提,动用模糊语言规则,推导出一个近似的模糊判断结论。有许多模糊推理方法。在Zadeh法中,有2种重要的模糊推理规则:广义取式(肯定前提)假言推理法(GMP)和广义拒式(否定结论)假言推理法(GMT),分别简称为广义前向推理法和广义后向推理法。4-13 有哪些模糊蕴含关系?模糊合取,模糊析取,基本蕴涵,命题演算,GMP推理,GMT推理4-14 什么叫模糊判决?有哪几种常用的模糊判决方法?从推理得到的模糊集合中,取一个相对最能代表这个模糊集合的单值的过程就称为解模糊或模糊判决。常用的模糊判决方法有:重心法,最大隶属度法,系数加权平均法,隶属度限幅元素平均法4-15 对某种产品的质量进行抽查评估。现随机选出5个产品x1,x2,x3,x4,x5进行检验,它们质量情况分别为:x180,x272,x365,x498,x553这就确定了一个模糊集合Q,表示该组产品的“质量水平”这个模糊概念的隶属程度。试写出该模糊集。4-16 设有下列两个模糊关系试求出R1与R2的复合关系R1R2。5教学教育#
在人工智能的()阶段开始有解决大规模问题的能力。
能够推进人工智能智能的研究最好方法是()。
人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域?
当前人工智能领域的大量研究集中在深度学习,但是深度学习的局限是需要大量人工干预,比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等,费时费力。()
在第一次神经网络的研究中,针对感知机无法解决异或XOR问题的缺陷,人工智能专家们的新思路包括()。