人工智能教程習題及答案第9章神經(jīng)網(wǎng)絡(luò)與遺傳算法

第九章神經(jīng)網(wǎng)絡(luò)與遺傳算法習題參考解答9.1練習題9.1何人神經(jīng)網(wǎng)?有哪些特?9.2生神元由哪幾部分構(gòu)?每部分的作用是什?它哪些特?9.3什是工神經(jīng)元？它有哪些連接方式？9.4算的網(wǎng)絡(luò)結(jié)構(gòu)是什么？簡述算的學習過程。9.5什是絡(luò)的穩(wěn)定?Hopfield網(wǎng)絡(luò)模型分為哪兩類者的區(qū)別是什?9.6有師習與無教師學習的區(qū)別是什?請分析說明。9.7Hopfield模與B-P模的網(wǎng)絡(luò)結(jié)構(gòu)有何異同？9.8簡簡遺傳算法的基本原理和一般過程明個體選擇的常用策略,以遺傳操作“交叉”和“變異”所起的作用。9.9遺算有哪些特點？在應(yīng)用遺傳算法時要解決的最關(guān)鍵問題有哪些？9.2習題參考解答9.19.2

答（略）答生物神經(jīng)元主要由三部分構(gòu)成：細體、軸突和樹突。每一部分的作用是細胞體是神經(jīng)元的新陳代謝中心，同時還用于接收并處理從其他神經(jīng)元傳遞過來的信息突的作用相當于神經(jīng)元的輸出電纜通過尾分出的許多神經(jīng)末梢以及梢端的突觸向其他神經(jīng)元輸出神經(jīng)沖當神經(jīng)元的輸入端，用于接收從四面八方傳來的神經(jīng)沖動。神經(jīng)元的功能特性包括時空整合功能）經(jīng)元的態(tài)極化性興奮與抑制狀態(tài)）構(gòu)的可塑性）脈沖與電位信號的轉(zhuǎn)換）觸延期和不應(yīng)期學習、遺忘和疲勞。9.39.4

答（略）答算的網(wǎng)絡(luò)結(jié)構(gòu)是一個前向多層網(wǎng)絡(luò)不僅含有輸入節(jié)點和輸出節(jié)點，而且含有一層或多層隱（層）節(jié)點，網(wǎng)絡(luò)中各處理單元間的連接如圖所。當有信息向網(wǎng)絡(luò)輸入時，信息首先由輸入層傳遞到隱層節(jié)點，經(jīng)特性函數(shù)（人工神經(jīng)元）作用后，再221

1122ny1122ny傳至下一隱層這一層一層傳下去到最終傳至輸出節(jié)點層進行輸出間各層的激發(fā)函數(shù)要求是可微的，一般是選用型數(shù)算的學習過程如下：（）擇一組訓練樣例，每一個樣例由輸入信息和期望的輸出結(jié)果兩部分組成。（b從訓練樣例集中取一樣例，把輸入信息輸入到網(wǎng)絡(luò)中。（c）分別計算經(jīng)神經(jīng)元處理后各層節(jié)點的輸出。（d計算網(wǎng)絡(luò)的實際輸出和期望輸出的誤差。（）輸出層反向計算到第一個隱層，并按照某種能使誤差向減小方向發(fā)展的原則，調(diào)整網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)值。（f）訓練樣例集的每一個樣例重復（）—（e的步驟，直到對整個訓練樣例集xx

yy……

…x

m圖9.6B-P網(wǎng)的誤差達到要求時為止。9.5

答所謂一個網(wǎng)絡(luò)是穩(wěn)定的是指從某一時刻開始，網(wǎng)絡(luò)的狀態(tài)不再改變。設(shè)X(t)表示網(wǎng)絡(luò)在時刻t的態(tài)，如果從t＝０的任一初態(tài)X(0)開，在一個有限的時刻t，使得從此時刻開始神經(jīng)網(wǎng)絡(luò)的狀態(tài)不再發(fā)生變化，即X(t的。

稱此網(wǎng)絡(luò)是穩(wěn)定Hopfield網(wǎng)絡(luò)模型分為

離散型和連續(xù)型兩類，它們都是反饋網(wǎng)絡(luò)結(jié)構(gòu)。即它們從輸出層到輸入層都有反饋存在者區(qū)是離散網(wǎng)絡(luò)模型是一個離散時間系統(tǒng)個經(jīng)元只有兩個狀態(tài)可用1和0來示而連續(xù)時間的網(wǎng)絡(luò)模型中神經(jīng)元可在到區(qū)間內(nèi)取任一實數(shù)值，從而能更好地模擬人工神經(jīng)元。9.6

答有教師學習和無教師學習的主要區(qū)是前者在學習時需要教師的示教或訓練后者是用評價標準來代替教師的監(jiān)督或示教工作的如在行中文信處理研究中利用機器學習的方法建立了一個拼音法輸入模型對模型參數(shù)進行確定時果用大量的經(jīng)過人工加工處理的訓練語料對模型進行訓練數(shù)確定后到用之中后效果就較好。222

這種使用大量訓練語料的方法就是有教師的學習方法的過人工處理的大量熟語料就可看作教師為中包含了人經(jīng)驗若不使用經(jīng)過人工處理的語料事先對模型參數(shù)進行訓練可使用一個評價標對拼音輸入模型進行評價其能或其它指標是否達到要求，若達不到要求，就對模型進行進一步的修改，直到滿意為止。這種方法就是無教師的學習方法。9.7

答模的絡(luò)結(jié)構(gòu)是一種前饋型的前向多層網(wǎng)絡(luò)，從輸出層到輸入層無反饋，因而結(jié)構(gòu)簡單編會網(wǎng)絡(luò)的輸出陷入從一個狀態(tài)到另一個狀態(tài)的無限轉(zhuǎn)換中，因此網(wǎng)的穩(wěn)定性較好人只需對它著重進行學習方法的研究是饋網(wǎng)絡(luò)缺乏動態(tài)處理能力，因而其計算能力不夠強模是一種是帶饋的人工神經(jīng)網(wǎng)絡(luò)，從輸出層到輸入層有反饋存在在種絡(luò)中輸出要反復地作為輸入再送入網(wǎng)絡(luò)中這就使得網(wǎng)絡(luò)具有了動態(tài)性絡(luò)狀態(tài)在斷的改變之中以模是一種動態(tài)反饋系統(tǒng)，比前饋網(wǎng)絡(luò)具有更強的計算能力，但網(wǎng)絡(luò)的穩(wěn)定性不如前饋型的網(wǎng)。9.8答簡遺傳算法的基本原理是，首先把問題的解表示成“染色體是以二進制編碼的串在行遺傳法之前出一“染色體是設(shè)解然后，把這些假設(shè)解置于問題的“環(huán)境”中，并按適者生存的原則，從中選擇出較適應(yīng)環(huán)境的“染色體”進行復制，再通過交換、突變等遺傳操作過程，產(chǎn)生更適應(yīng)環(huán)境的新一代“染色體”群。這樣，一代一代地進化，最后就會收斂到最適應(yīng)環(huán)境的一個“染色體”上，它就是問題的最優(yōu)解。其基本過程可表示如下：begina.選適當表示模式，生成初始群體；通計算群體中各個體的適應(yīng)度對群體進行評價；While未到要求的目標begina.選作為下一代群體的各個體；執(zhí)交換操作；執(zhí)行突變操作；對體進行評價；223

iiiiiiii個體選擇的常用策略是按比例選擇，即若個體i的應(yīng)度（目標函數(shù)值）是f，個體i在一代群體中復制（再生）的子代個數(shù)在群體中的比例將為f/∑f。中，∑f是指所個