1、計(jì)算智能復(fù)習(xí)題一、填空題1. 計(jì)算智能屬于人工智能（Artificial Intelligence， AI）的一個(gè)分支，主流學(xué)派把人工智能分成：（邏輯主義）、（聯(lián)結(jié)主義）和（行為主義）三大學(xué)派。2. 計(jì)算智能算法主要包括：（神經(jīng)計(jì)算）、（進(jìn)化計(jì)算）和模糊模糊計(jì)算三個(gè)分支，計(jì)算智能的主要特征表現(xiàn)在（智能性）、（并行性）和（健壯性）。3. 神經(jīng)網(wǎng)絡(luò)（Neural Network）根據(jù)網(wǎng)絡(luò)學(xué)習(xí)方法可分為（有監(jiān)督學(xué)習(xí)）、（無監(jiān)督學(xué)習(xí)）和（再勵(lì)學(xué)習(xí)）三種形式。4. 神經(jīng)網(wǎng)絡(luò)中主要使用的激勵(lì)函數(shù)有：線性函數(shù)：閥值函數(shù)： Sigmoid函數(shù): 5. BP網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，BP網(wǎng)絡(luò)模型的

2、拓?fù)浣Y(jié)構(gòu)包括（輸入層）、（隱藏層） 和（輸出層）。6. BP算法的基本思想是，學(xué)習(xí)過程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸入樣本從輸入層傳人，經(jīng)各隱層逐層處理后，傳向輸出層。若輸出層的實(shí)際輸出與期望的輸出(教師信號(hào))不符，則轉(zhuǎn)入誤差的反向傳播階段。誤差反傳是將輸出誤差以某種形式通過隱層向輸入層逐層反傳、并將誤差分?jǐn)偨o各層的所有單元，從而獲得各層單元的誤差信號(hào)，此誤差信號(hào)即作為修正各單元權(quán)值的依據(jù)。這種信號(hào)正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過程，是周而復(fù)始地進(jìn)行的。權(quán)值不斷調(diào)整的過程，也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程。此過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度，或進(jìn)行到預(yù)

3、先設(shè)定的學(xué)習(xí)次數(shù)為止。7. 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程可歸結(jié)為（萌芽期）、（ 低潮反思期）、（復(fù)興發(fā)展時(shí)期和（新的發(fā)展時(shí)期）四個(gè)時(shí)期。8. 神經(jīng)網(wǎng)絡(luò)的7個(gè)學(xué)習(xí)規(guī)則：Hebb學(xué)習(xí)規(guī)則、Delta學(xué)習(xí)規(guī)則、梯度下降學(xué)習(xí)規(guī)則、Kohonen學(xué)習(xí)規(guī)則、后向傳播學(xué)習(xí)規(guī)則、概率式學(xué)習(xí)規(guī)則和競(jìng)爭(zhēng)式學(xué)習(xí)規(guī)則。9. 神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)：?jiǎn)螌痈兄骶W(wǎng)絡(luò)、前饋型網(wǎng)絡(luò)、前饋內(nèi)層互聯(lián)網(wǎng)絡(luò)、反饋型網(wǎng)絡(luò)和全互聯(lián)網(wǎng)絡(luò)。10. 遺傳算法借用生物遺傳學(xué)的觀點(diǎn)，是一種全局優(yōu)化算法，（選擇算子）、（ 交叉算子）和（變異算子）被認(rèn)為是遺傳算法的三種基本操作算子。11. 對(duì)遺傳算法的改進(jìn)主要集中在（算子選擇）、（參數(shù)設(shè)置）、（混合遺傳算法）和

4、（并行遺傳算法）等方向上。12. 遺傳算法的實(shí)現(xiàn)主要包括7個(gè)方面，染色體編碼、群體的初始化、適應(yīng)值評(píng)價(jià)、種群選擇、交叉、變異和算法流程；13. 染色體編碼常用方法有格雷碼、字母編碼和多參數(shù)交叉編碼，常見簡(jiǎn)單編碼有二進(jìn)制編碼和浮點(diǎn)數(shù)編碼。14. 遺傳算法中的種群選擇操作使用輪盤賭選擇算法，其基本思想是基于概率的隨機(jī)選擇。15. （模擬退火算法）來源于固體退火原理，最早由Kirkpatrick等應(yīng)用于組合優(yōu)化領(lǐng)域，它是基于蒙特卡羅迭代求解策略的一種隨機(jī)尋優(yōu)算法。16. 粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）是進(jìn)化計(jì)算的一個(gè)分支，是一種模擬自然界的生物活動(dòng)的

5、（隨機(jī)搜索算法）。粒子群優(yōu)化算法吸收人工生命、鳥群覓食、魚群學(xué)習(xí)和群理論的思想，另一方面又具有進(jìn)化算法的特點(diǎn)，智能搜索和優(yōu)化的特點(diǎn)。17. 免疫算法（Immune Algorithm，IA）：是指以在人工免疫系統(tǒng)的理論為基礎(chǔ)，實(shí)現(xiàn)了類似于生物免疫系統(tǒng)的抗原識(shí)別、細(xì)胞分化、記憶和自我調(diào)節(jié)的功能的一類算法。18. 免疫算法的七個(gè)要素:識(shí)別抗體，生成初始化的抗體，計(jì)算親和度，記憶細(xì)胞分化，抗體促進(jìn)和抑制，產(chǎn)生新的抗體，結(jié)束條件。19. 禁忌搜索算法（Tabu Search，TS）是 Glover于1986年提出的一種（全局搜索算法），是屬于模擬人類智能的一種優(yōu)化算法，它模仿了人類的記憶功能，在求解問

6、題的過程中，采用了（禁忌技術(shù)），對(duì)已經(jīng)搜索過的局部最優(yōu)解進(jìn)行標(biāo)記，并且在迭代中盡量避免重復(fù)相同的搜索（但不是完全隔絕），從而獲得更廣的搜索區(qū)間，有利于尋找到全局最優(yōu)解。20. Memetic算法是基于群體的計(jì)算智能方法與（局部搜索相結(jié)合）的一類算法的總稱，從框架上分為動(dòng)態(tài)Memetic算法和靜態(tài)Memetic算法。二、判斷題1. 人工神經(jīng)網(wǎng)絡(luò)是由人工方式構(gòu)造的網(wǎng)絡(luò)，是一個(gè)線性動(dòng)力學(xué)系統(tǒng)。（）2. 人工神經(jīng)網(wǎng)絡(luò)（ANN）的別名包括：人工神經(jīng)系統(tǒng)（ANS）、神經(jīng)網(wǎng)絡(luò)（NN）、自適應(yīng)系統(tǒng)（Adaptive Systems）、自適應(yīng)網(wǎng)（Adaptive Networks）、聯(lián)接模型（Connectio

7、nism）和神經(jīng)計(jì)算機(jī)（Neurocomputer）。（ ）3. ANN一般由簡(jiǎn)單元件分層次組織成大規(guī)模的、串行連接構(gòu)造的網(wǎng)絡(luò)，意在按照生物神經(jīng)系統(tǒng)的方式處理真實(shí)世界的客觀事物。（ ）4. 神經(jīng)網(wǎng)絡(luò)激活函數(shù)中，非線性斜面函數(shù)的飽和值，為該神經(jīng)元的最大輸出。（ ）5. 在ANN學(xué)習(xí)規(guī)則中，Hebb規(guī)則和學(xué)習(xí)規(guī)則均為有導(dǎo)師學(xué)習(xí)規(guī)則。（ ）6. 在BP神經(jīng)網(wǎng)絡(luò)中，學(xué)習(xí)過程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過程組成，因而BP神經(jīng)網(wǎng)絡(luò)是一種反饋網(wǎng)絡(luò)。（ ）7. BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和CPN（Counterpropagation Networks, CPN）對(duì)傳網(wǎng)的拓?fù)浣Y(jié)構(gòu)是不同的。（ ）8. 在循環(huán)

8、網(wǎng)絡(luò)穩(wěn)定性分析過程中，我們可以采用著名的Lyapunov函數(shù)作為Hopfield網(wǎng)絡(luò)的能量函數(shù)。（）9. 可采用穩(wěn)定性、存儲(chǔ)容量、吸引半徑和收斂時(shí)間指標(biāo)來評(píng)價(jià)一個(gè)反饋神經(jīng)網(wǎng)絡(luò)的性能。（ ）10. 遺傳算法是由美國(guó)的J. Holland教授于1975年在他的專著自然界和人工系統(tǒng)的適應(yīng)性中首先提出的，它是一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法 。（ ）11. 模式定理和積木塊假設(shè)是保證遺傳算法可以快速、有效獲得最優(yōu)解的數(shù)學(xué)基礎(chǔ)。（ ）12. 目前混合遺傳算法實(shí)現(xiàn)方法一般體現(xiàn)在引入全局搜索過程和增加編碼變換操作過程兩個(gè)方面。（）13. 在模擬退火算法的運(yùn)行過程中溶入遺傳算法，稱為模擬退

9、火遺傳算法。采用模擬退火遺傳算法可更好跳出局部極值點(diǎn)，收斂到全局最優(yōu)解。 （ ） 14. 簡(jiǎn)單感知器僅能解決一階謂詞邏輯和線性分類問題，不能解決高階謂詞和非線分類問題。（）15. BP算法是在無導(dǎo)師作用下，適用于多層神經(jīng)元的一種學(xué)習(xí)，它是建立在相關(guān)規(guī)則的基礎(chǔ)上的。（）16. 在誤差反傳訓(xùn)練算法中，周期性函數(shù)已被證明收斂速度比S型函數(shù)慢。（）17. 基于BP算法的網(wǎng)絡(luò)的誤差曲面有且僅有一個(gè)全局最優(yōu)解。（）18. 對(duì)于前饋網(wǎng)絡(luò)而言，一旦網(wǎng)絡(luò)的用途確定了，那么隱含層的數(shù)目也就確定了。（）19. 對(duì)離散型Hopfield網(wǎng)絡(luò)而言，如權(quán)矩陣為對(duì)稱陣，而且對(duì)角線元素非負(fù)，那么網(wǎng)絡(luò)在異步方式下必收斂于下一個(gè)

10、穩(wěn)定狀態(tài)。（）20. 對(duì)連續(xù)Hopfield網(wǎng)絡(luò)而言，無論網(wǎng)絡(luò)結(jié)構(gòu)是否對(duì)稱，都能保證網(wǎng)絡(luò)穩(wěn)定。（）21. 競(jìng)爭(zhēng)學(xué)習(xí)的實(shí)質(zhì)是一種規(guī)律性檢測(cè)器，即是基于刺激集合和哪個(gè)特征是重要的先驗(yàn)概念所構(gòu)造的裝置，發(fā)現(xiàn)有用的部特征。（）22. 人工神經(jīng)元網(wǎng)絡(luò)和模糊系統(tǒng)的共同之處在于，都需建立對(duì)象的精確的數(shù)學(xué)模型，根據(jù)輸入采樣數(shù)據(jù)去估計(jì)其要求的決策，這是一種有模型的估計(jì)。（）三、簡(jiǎn)答題1、生物神經(jīng)元的六個(gè)基本特征。1、神經(jīng)元及其聯(lián)結(jié)2、聯(lián)結(jié)強(qiáng)度決定信號(hào)傳遞的強(qiáng)弱3、聯(lián)結(jié)強(qiáng)度可以隨訓(xùn)練而改變4、信號(hào)可以是刺激作用的，也可以是抑制的5、一個(gè)神經(jīng)元接受的信號(hào)的累積效果決定該神經(jīng)元的狀態(tài)6、每個(gè)神經(jīng)元可以有一個(gè)“閾值”2

11、、簡(jiǎn)述人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)。（4個(gè)）復(fù)雜非線性函數(shù)的逼近：NNs可以充分逼近任意復(fù)雜的非線性函數(shù)，人工神經(jīng)網(wǎng)絡(luò)是高度非線性動(dòng)力學(xué)系統(tǒng)，非線性函數(shù)可以是連續(xù)的、也可以是離散的，結(jié)構(gòu)可以是單層的、也可以是多層的、具有分布式信息存儲(chǔ)特點(diǎn)、具有很強(qiáng)的魯棒性和容錯(cuò)性。所有定量、定性的信息都等勢(shì)分布于網(wǎng)絡(luò)內(nèi)的各個(gè)神經(jīng)元，大量神經(jīng)元之間通過不同連接方式和權(quán)值分布來表征特定的信息。個(gè)別神經(jīng)元或局部網(wǎng)絡(luò)受損時(shí)，神經(jīng)網(wǎng)絡(luò)可以依靠現(xiàn)有的存儲(chǔ)實(shí)現(xiàn)對(duì)數(shù)據(jù)的聯(lián)想記憶功能。（反饋網(wǎng)絡(luò)）。、具有巨量信息并行處理和大規(guī)模平行計(jì)算能力每個(gè)神經(jīng)元對(duì)所接受的信息作相對(duì)獨(dú)立的處理，但各個(gè)神經(jīng)元之間可以并行、協(xié)同地工作；人腦每個(gè)神經(jīng)元很簡(jiǎn)

12、單，但由于大腦總計(jì)形成10E14-15個(gè)突觸，使得人腦1s內(nèi)可完成計(jì)算機(jī)至少需要10億處理步驟才能完成的任務(wù)、具有自組織、自學(xué)習(xí)功能：人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)所在的環(huán)境去改變它的行為，可以按要求產(chǎn)生從未遇到的模式“抽象”功能；神經(jīng)網(wǎng)絡(luò)間的連接網(wǎng)絡(luò)權(quán)值可以通過自學(xué)習(xí)過程不斷地修正；能在某些輸入不確定或默認(rèn)情況下，根據(jù)一定的學(xué)習(xí)規(guī)則自主地從樣本中學(xué)習(xí)，達(dá)到自適應(yīng)不知道或不確定的系統(tǒng)。3、簡(jiǎn)要地描述BP算法過程和用MATLAB軟件進(jìn)行仿真的總體步驟，并列出五個(gè)仿真過程中必不可少的函數(shù)。答：BP算法是一種ANN的誤差反向傳播訓(xùn)練算法，這種網(wǎng)絡(luò)不僅有輸入節(jié)點(diǎn)、輸出節(jié)點(diǎn)，還有一層或多層隱含節(jié)點(diǎn)。對(duì)于輸入信息要

13、先向前傳播到隱含層的節(jié)點(diǎn)上，經(jīng)過各單元的特性為SIGMOID型的激活函數(shù)運(yùn)算后，把隱含節(jié)點(diǎn)的輸出信息傳播到輸出節(jié)點(diǎn)，最后給出輸出結(jié)結(jié)果。網(wǎng)絡(luò)學(xué)習(xí)過程由正向和反向傳播兩部分組成。在正向傳播過程中，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元網(wǎng)絡(luò)。如果輸出層不能得到期望輸出，就是實(shí)際輸出值與期望輸出值之間有誤差，那么轉(zhuǎn)入反向傳播過程，將誤差信號(hào)沿原來的連接通路返回，通過修改各層神經(jīng)元的權(quán)值，逐次地向輸入層傳播去進(jìn)行計(jì)算，再經(jīng)過正向傳播過程，這兩個(gè)過程的反復(fù)運(yùn)用，使得誤差信號(hào)最小，實(shí)際上，誤差達(dá)到所希望的要求時(shí)，網(wǎng)絡(luò)的學(xué)習(xí)過程就結(jié)束。應(yīng)用MATLAB進(jìn)行仿真時(shí)，有五個(gè)必要過程：?jiǎn)栴}描述，數(shù)據(jù)標(biāo)準(zhǔn)化、網(wǎng)絡(luò)初始化，網(wǎng)絡(luò)訓(xùn)練，網(wǎng)絡(luò)測(cè)試。相關(guān)函數(shù)：newff: 生成一個(gè)前饋BP網(wǎng)絡(luò)；logsig: sigmoid傳遞函數(shù)；initff: 前向網(wǎng)絡(luò)初始化；trainbp:利用BP算法訓(xùn)練前向網(wǎng)絡(luò)；lear