【课程·研】高级人工智能 | MOOC习题及课后作业：第7~9章

最新推荐文章于 2022-03-23 09:57:21 发布

拾年之璐

最新推荐文章于 2022-03-23 09:57:21 发布

阅读量1.5w

点赞数 3

分类专栏：研究生课程文章标签：人工智能习题笔记

本文链接：https://blog.csdn.net/cxh_1231/article/details/113817036

版权

研究生课程专栏收录该内容

19 篇文章 41 订阅

订阅专栏

本文主要内容：

第7章　群智能算法及其应用

1、基本的粒子群优化算法为：其中参数ψ1和ψ2表示( )。
A、惯性权重
B、加速度常数
C、位置参数
D、速度参数

2、基本的粒子群优化算法为：其中参数ω表示( )。
A、惯性权重
B、加速度常数
C、位置参数
D、速度参数

3、当粒子群优化算法位置更新方程中的参数ψ1=0时，以下说法正确的是（）
A、粒子将一直以当前的速度飞行，直到达边界直到达边界。
B、粒子下一时刻的速度只取决于粒子当前位置和其历史最好位置，粒子本身没有运动惯性。
C、粒子没有认知能力，对复杂问题，容易陷入局部最优点。
D、粒子之间没有交互，很难得到最优解。

4、关于蚁群算法，下面叙述正确的是（）
A、蚁群算法是通过人工模拟蚂蚁搜索食物的过程，即通过个体之间的信息交流与相互协作最终找到从蚁穴到食物源的最短路径的。
B、蚂蚁系统是一种增强型学习系统。
C、蚁群算法中，蚂蚁选择路径的原理是一种负反馈机制。
D、蚁群算法是一种应用于组合优化问题的启发式搜索算法。

5、关于蚁群算法的参数，下面叙述错误的是（）
A、信息素启发因子越大，蚂蚁选择以前走过的路径的可能性越大，蚁群的搜索过程越不易陷入局部最优。
B、信息素启发因子越小，蚁群搜索的随机性越小。
C、期望值启发因子越大，蚂蚁在某个局部点上选择局部最短路径的可能性越大，这样搜索的收敛速度会加快。
D、期望值启发因子越大，蚁群在最优路径的搜索过程中随机性减弱，易于陷入局部最优值。

6、蚂蚁在运动过程中，根据各条路径上的信息素决定转移方向。

7、粒子群优化算法是受鸟群行为启发的一种群智能优化算法。

8、粒子群优化算法将每个个体看作n维搜索空间中一个没有体积质量的粒子，在搜索空间中以一定的速度飞行。

9、粒子群优化算法中，个体认知分量表示粒子本身的思考，它是在对粒子现有的位置和群体经历过的最优位置进行比较后得到的。

10、粒子群优化算法中，群体社会分量表示粒子间的信息共享与相互合作，如果没有群体社会分量，只有个体认知分量，那么得到最优解的概率就会非常小。

第8章　人工神经网络及其应用

1、Hopfield神经网络的结构与BP神经网络不同，它是（）
A、单层的全互连的反馈型神经网络
B、多层的非全互连的反馈型神经网络
C、单层的非全互连的反馈型神经网络
D、多层的全互连的反馈型神经网络

2、最早的神经元数学模型是( )
A、BP模型
B、感知器模型
C、CNN模型
D、M-P模型

3、生物神经元包括树突和轴突，其中树突相当于( )，轴突相当于( )
A、输入端处理端
B、输出端处理端
C、输入端输出端
D、输出端输入端

4、以下属于Relu函数图像的是( )

图1

图2

图3

图4
A、图1
B、图2
C、图3
D、图4

5、关于离散型Hopfield神经网络的稳定性，下面叙述正确的是（）
A、只要连接权值构成的矩阵是非负定矩阵，该网络就具有并行稳定性
B、只要连接权值构成的矩阵是非负对角元的对称矩阵，该网络就具有串行稳定性
C、只要连接权值构成的矩阵是非负定矩阵，该网络就具有串行稳定性
D、只要连接权值构成的矩阵是非负对角元的对称矩阵，该网络就具有并行稳定性

6、Hopfield神经网络用于联想记忆时，网络的记忆容量与（）有关
A、连接权值的设计
B、神经元个数
C、所要求的联想范围大小
D、记忆样本的性质

7、卷积神经网络的正向传播过程是指从输入层到输出层的信息传播过程，该过程包括的操作有( )
A、卷积操作
B、池化操作
C、Relu操作
D、全连接分类

8、以下哪些结构属于BP神经网络
A、输入层
B、隐含层
C、输出层
D、卷积层

9、目前人工神经网络结构的主要类型有( )
A、离散型
B、前馈型
C、连续型
D、反馈型

10、实现Hopfield神经网络联想记忆的关键是网络到达记忆样本能量函数极小点时，确定网络的神经元间连接权值和阈值等参数。

11、如果将Hopfield神经网络的稳态作为一个优化问题的目标函数极小点，那么初态朝稳态的收敛过程就是优化计算的过程。

12、BP学习算法中误差函数的求取是一个从输出层开始的反向传播的传递过程，所以BP学习算法被称为反向传播学习算法。

13、对于任意的连续函数f，存在一个三层BP神经网络，该神经网络可以以任意精度拟合函数f。

14、神经网络的学习是指调整神经网络的连接权值或者结构，使得样本输入数据通过神经网络产生的实际输出与样本期望输出数据基本一致。

15、生物神经元具有两种工作状态，当传入的神经信号使细胞膜电位升高超过阈值时，细胞进入兴奋状态，将神经信号通过输出端继续传递给其它神经元；当传入的神经信号使细胞膜电位下降低于阈值时，细胞进入抑制状态，没有神经信号输出。

16、卷积神经网络是一个全连接的神经网络，中间隐层通常包含多个卷积层。

17、卷积是一种有效提取图片特征的方法。一般用一个正方形卷积核，遍历图片上的每一个像素点。图片与卷积核重合区域内相对应的每一个像素值乘卷积核内相对应点的权重，然后求和，再加上偏置后，最后得到输出图片中的一个像素值。

18、卷积神经网络中，对不同位置的特征进行聚合统计,称为池化 (pooling)。池化不会丢失图像的信息，也不会降低其空间分辨率。

课程论文

1、课程论文：撰写1篇人工智能研究领域内的研究综述报告。要求： 1、不少于10个page(A4)。 2、格式按照发表论文要求。 3、参考文献不少于20篇，外文文献不少于10篇。以近3年的文献为主。 4、严禁互相抄袭，一旦发现按零分处理。 5、可以但不局限与以下方向：知识图谱、计算智能、差分进化算法及应用、卷积神经网络(CNN)、循环神经网络(RNN)、生成对抗网络(GAN）、蒙特卡洛博弈树搜索、蚁群算法、粒子群优化算法等。

第9章　机器学习与专家系统

1、第一个成功应用的专家系统是？
A、MYCIN
B、EMYCIN
C、MYCSYMA
D、DENDRAL

2、下面对前馈神经网络这种深度学习方法描述不正确的是( )。
A、是一种端到端学习的方法
B、是一种无监督学习的方法
C、实现了非线性映射
D、隐含层数目大小对学习性能影响不大

3、如果某个机器学习方法需要大量使用带有标签的数据，我们称方法为（）。
A、监督学习方法
B、无监督学习方法
C、弱监督学习方法
D、标签学习方法

4、以下属于主要的人工智能程序设计语言的有？
A、OPS5
B、PROLOG
C、LISP
D、JAVA

5、专家系统的核心包括？
A、知识库
B、解释器
C、人机接口
D、推理机

6、以下属于专家系统的特点有？
A、具有专家水平的专业知识
B、能进行有效的推理
C、具有启发性
D、具有透明性

7、专家系统与传统程序最大区别是专家系统=知识+推理，传统程序=数据结构+算法。

8、深度学习采用了layer-wise的训练机制，克服了BP神经网络训练中的梯度扩散问题。

9、机器学习使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。

10、自动编码器是一种无监督学习方法，由无监督预训练和无监督调优两个阶段构成。

The End！

拾年之璐

关注

3
点赞
踩
28

收藏

觉得还不错? 一键收藏
打赏
3
评论
【课程·研】高级人工智能 | MOOC习题及课后作业：第7~9章

本文主要内容：第7章　群智能算法及其应用第8章　人工神经网络及其应用课程论文第9章　机器学习与专家系统第7章　群智能算法及其应用通过本章内容学习，学生能够正确理解粒子群优化算法公式中各部分含义，能够应用粒子群优化算法算法求解车辆路径问题，能够正确理解蚁群算法模型，能够对基本蚁群算法的改进模型进行评价，能够应用蚁群算法模型进行复杂工程问题求解。
复制链接

扫一扫