神经网络大题最终版！！（这版在各路豪杰的指导与帮助下又进行了一些修改与完善）

13.请使用M-P模型实现逻辑非运算。

13题解答如下：

14、根据下面的信息表，编写M-P模型算法程序辅助决策在是否在植树节这一天去公园参加义务植树活动。

因素（特征）	特征值		权重	阈值
	是	否
身体是否健康		√	4	8
工具是否备齐	√		6
是否周末		√	2
是否晴朗	√		3

14题解答如下：

import numpy as np
x=[0,1,0,1]
w=[4,6,2,3]
h=8
y=np.dot(x,w)-h
output=np.where(y>0,1,0)
decision=np.where(output==1,"去公园参加义务植树活动","不去公园参加义务植树活动")
print("决定：",decision)

15、写出自适应线性神经网络的代价函数对权重和偏置的偏导求解过程。

15题解答如下：

16、已知含有两个隐含层的前馈神经网络的输入 X =[2 1]，权重分别为 W1 =[0 1]， W2 =[1 0]，W3 =[-1 1]，W4 =[0 2]，W5 =[2 0]，偏置分别为 b1 =−1， b2 =2， b3 =−1，b4 =1，b5 =0，激活函数 f 为 S 型函数。计算该神经网络的输出。

解答如下：

数学计算过程如下：

17题编码实现如下：

x1=-1
x2=-1
lr=0.1
for i in range(4):
    f=x1**2+2*x2**2
    print(f)
    dx1=2*x1
    dx2=4*x2
    x1=x1-lr*dx1
    x2=x2-lr*dx2

18、已知含有单个隐含层的前馈神经网络的输入 X =[2 3]，权重分别为 W1 =[0 1]，W2 =[1 2]，W3 =[0 2]，偏置分别为 b1 =−1， b2 =0， b3 =−2，激活函数f为S 型函数。使用数学公式计算并编写算法程序求解该神经网络的输出。

18题编程如下：

19题解答：我选择的是感知器模型，编程如下：

（本题模型选择只是我个人对神经网络的浅浅理解，如果有更好的选择的话，大家可以在评论区多多留言交流！）

（编程一般是由本人写下后再用pycharm敲一遍进行验证，哈哈，这两题俺偷个懒，就先直接po上我写的图了）

希望这些内容对大家有所帮助，该内容仅代表本人个人对神经网络课程的理解，如果计算过程或结果有误，大家可以在评论区多多评论和指正，感谢您的点赞和关注！

（最后在这里借花献佛一下）

心之所向便是阳光，无所畏惧便是远方，人生最幸福的事不是活的像别人，而是在努力之后，活得更像自己。

星光不问赶路人，岁月不负有心人，熬过所有的苦，你会遇到所有的甜。

衷心祝愿同学们逢考必过!