第四章
第一节
- 如图所示的感知机(阈值为0)实现的逻辑功能是:
(1分)
或门
与门
非门
与非门
单选2. 在感知机的判决函数中,w0的作用是:
(1分)
为了后续学习算法推导的方便
其实在实际中可以略去
控制判决平面到原点的距离
控制判决平面的方向
单选3. 我们很难刻意忘掉一个人的原因是:
(1分)
记性好,没办法
刻骨铭心,矢志不渝
天长地久有时尽,此情绵绵无绝期
神经元的大规模分布式信息存储机制
第二节
- 若神经元的误差对某输入的权重的偏导大于零说明:
(1分)
权重应增加
权重应减小
不能确定
单选2. 根据Delta规则,在stochastic learning模式下,若神经元的实际输出大于期望输出,权重应:
(1分)
顺势而为:增大
反其道而行之:减小
若相应输入大于零:减小
若相应输入小于零:减小
单选3. 以下关于感知机说法正确的是:
(1分)
在batch learning模式下,权重调整出现在学习每个样本之后
只要参数设置得当,感知机理论上可以解决各种分类问题
感知机的训练过程可以看成是在误差空间进行梯度下降
感知机的激励函数必须采用门限函数
单选4. 下图所示真值表对应的逻辑电路是:
(1分)
或非门
与非门
异或门
第三节
- 采用Sigmod函数作为激励函数的主要原因是:
(1分)
有固定的输出上下界
计算复杂度较低
导数存在解析解
处处可导
单选2. 以下关于感知机说法正确的是:
(1分)
多层感知机比感知机只多了一个隐含层
感知机只能形成线性判决平面,无法解决异或问题
多层感知机可以有多个隐含层,但是只能有一个输出单元
隐含层神经元的个数应当小于输入层神经元的个数
单选3. 多层感知机解决线性不可分问题的原理是:
(1分)
分而治之,对原始问题空间进行划分
将原始问题向更高维空间映射
在输出层和隐含层之间形成非线性的分界面
将原始问题在隐含层映射成线性可分问题
第四节
- 在误差逆传播算法中,输出层神经元权重的调整机制和感知机的学习规则相比:
(1分)
考虑到线性不可分问题,学习规则更为复杂
一模一样,等价于多个感知机
遵循相同的原理,激励函数可能有所不同
所有输出层神经元的权重需要同步调整
单选2. 在误差逆传播算法中,隐含层节点的误差信息应当:
(1分)
根据自身的期望输出和实际输出的差值计算
根据所有输出层神经元的误差的均值计算
根据自身下游神经元的误差进行加权计算
根据自身下游神经元的误差的均值计算
单选3. 为了克服学习空间中存在的局部最优点应当:
(1分)
尝试从不同的初始点开始训练
将权重初始化为接近于0的值
采用较小的学习率
增加隐含层神经元个数
单选4. 关于学习率参数的设置,正确的描述是:
(1分)
较大的值有助于提高算法的收敛稳定性
较小的值有助于提高算法的收敛速度
在开始阶段应该较大,然后逐渐减小
在开始阶段应该较小,然后逐渐增大
单选5. 在权重更新公式中引入冲量的主要目的是:
(1分)
提高算法的收敛精度
提高算法的稳健性
提高算法的全局优化能力
有助于摆脱误差平缓区域
第五节
- 前馈神经网络适用的场景为:
(1分)
训练时间有限
训练样本含有噪声
需要较快的测试响应速度
较好的可解释性
多分类问题
单选2. 在Elman网络中,第T时刻网络的输出取决于:
(1分)
当前的网络输入
当前的网络输入和第T-1时刻网络的内部状态
第T-1时刻网络的内部状态
当前的网络输入和第1到T-1时刻网络的内部状态
多选3. 以下关于Hopfield网络特性的描述正确的是:
(1分)
基于内容的检索
联想记忆功能
误差逆传播
含噪声的模式识别
第六节
- 视频中的乒乓球运动员是:
(1分)
瓦尔德内尔
萨姆索诺夫
波尔
刘国梁
单选2. KUKA机器人来自以下哪一个国家:
(1分)
英国
德国
美国
天朝
单选3. 如果机器人采用神经网络作为控制器,其最有可能的输入是:
(1分)
击球的声音:麦克风
图像:天花板上的高速摄像头
图像:机械臂上的高速摄像头
球的落点:桌面上的压力传感器