智能计算复习题1

计算智能复习题计算智能复习题 一、填空题一、填空题 1.计算智能属于人工智能（Artificial Intelligence， AI）的一个分支，主流学 派把人工智能分成 （逻辑主义） 、 （联结主义）和（行为主义）三大学派。 2.计算智能算法主要包括 （神经计算） 、 （进化计算）和模糊模糊计算三个分 支，计算智能的主要特征表现在（智能性） 、 （并行性）和（健壮性） 。 3.神经网络（Neural NetworkNeural Network）根据网络学习方法可分为（有监督学习） 、 （无 监督学习）和（再励学习）三种形式。 4.神经网络中主要使用的激励函数有 线性函数y  f u  a bu,u x i w i b i1 n n 1 u  0 阀值函数y  0 u  0 u x i w i b i1 n1 ,u x i w i bSigmoid 函数y  f u  1 expu i1 5.BP 网络是目前应用最广泛的神经网络模型之一，BP 网络模型的拓扑结构 包括（输入层） 、 （隐藏层） 和（输出层） 。 6.BPBP 算法的基本思想是算法的基本思想是， 学习过程由信号的正向传播正向传播与误差的反向传播误差的反向传播两个 过程组成。正向传播时，输入样本从输入层传人，经各隐层逐层处理后， 传向输出层。 若输出层的实际输出与期望的输出教师信号不符， 则转入误 差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层 逐层反传、并将误差分摊给各层的所有单元，从而获得各层单元的误差信 号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差 反向传播的各层权值调整过程，是周而复始地进行的。权值不断调整的过 程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少 到可接受的程度，或进行到预先设定的学习次数为止。 7.人工神经网络的发展历程可归结为（萌芽期） 、 （ 低潮反思期） 、 （复兴发展 时期和（新的发展时期）四个时期。 8.8.神经网络的 7 个学习规则HebbHebb 学习规则、学习规则、DeltaDelta 学习规则、梯度下降学学习规则、梯度下降学 习规则、习规则、KohonenKohonen 学习规则、后向传播学习规则、概率式学习规则和竞争学习规则、后向传播学习规则、概率式学习规则和竞争 式学习规则。式学习规则。 9.9.神经网络典型结构单层感知器网络、前馈型网络、前馈内层互联网络、单层感知器网络、前馈型网络、前馈内层互联网络、 反馈型网络和全互联网络。反馈型网络和全互联网络。 10. 遗传算法借用生物遗传学的观点， 是一种全局优化算法， （选择算子） 、 （ 交 叉算子）和（变异算子）被认为是遗传算法的三种基本操作算子。 11. 对遗传算法的改进主要集中在（算子选择） 、 （参数设置） 、 （混合遗传算法） 和（并行遗传算法）等方向上。 12. 遗传算法的实现主要包括 7 个方面，染色体编码、群体的初始化、适应值 评价、种群选择、交叉、变异和算法流程； 13. 染色体编码常用方法有格雷码、字母编码和多参数交叉编码，常见简单编 码有二进制编码二进制编码和浮点数编码浮点数编码。 14.14. 遗传算法中的种群选择操作使用轮盘赌选择算法，其基本思想是基于概率基于概率 的随机选择。的随机选择。 15. （模拟退火算法）（模拟退火算法）来源于固体退火原理，最早由 Kirkpatrick 等应用于组合 优化领域，它是基于蒙特卡罗迭代求解策略的一种随机寻优算法。 16. 粒子群优化算法（Particle Swarm Optimization，PSO）是进化计算的一个分 支，是一种模拟自然界的生物活动的（随机搜索算法） 。粒子群优化算法吸 收人工生命、鸟群觅食、鱼群学习和群理论的思想，另一方面又具有进化 算法的特点，智能搜索和优化的特点。智能搜索和优化的特点。 17. 免疫算法（Immune Algorithm，IA） 是指以在人工免疫系统的理论为基础， 实现了类似于生物免疫系统的抗原识别、细胞分化、记忆和自我调节抗原识别、细胞分化、记忆和自我调节的功 能的一类算法。 18. 免疫算法的七个要素识别抗体，生成初始化的抗体，计算亲和度，记忆细识别抗体，生成初始化的抗体，计算亲和度，记忆细 胞分化，抗体促进和抑制，产生新的抗体，结束条件。胞分化，抗体促进和抑制，产生新的抗体，结束条件。 19. 禁忌搜索算法（Tabu Search，TS）是 Glover 于 1986 年提出的一种（全局全局 搜索算法）搜索算法） ，是属于模拟人类智能的一种优化算法，它模仿了人类的记忆功 能，在求解问题的过程中，采用了（ 禁忌技术）禁忌技术） ，对已经搜索过的局部最优 解进行标记，并且在迭代中尽量避免重复相同的搜索（但不是完全隔绝） ， 从而获得更广的搜索区间，有利于寻找到全局最优解。 20.20. Memetic 算法是基于群体的计算智能方法与（局部搜索相结合）局部搜索相结合）的一类算 法的总称，从框架上分为动态 Memetic 算法和静态 Memetic 算法。 二、判断题二、判断题 1.人工神经网络是由人工方式构造的网络，是一个线性动力学系统。 （） 2.人工神经网络 （ANN） 的别名包括 人工神经系统 （ANS） 、 神经网络 （NN） 、 自适应系统（Adaptive Systems） 、自适应网（Adaptive Networks） 、联接模型 （Connectionism）和神经计算机（Neurocomputer） 。 （√√） 3.ANN 一般由简单元件分层次组织成大规模的、 串行连接构造的网络， 意在 按照生物神经系统的方式处理真实世界的客观事物。 （ ） 4.神经网络激活函数中， 非线性斜面函数的饱和值， 为该神经元的最大输出。 （√√ ） 5.在 ANN 学习规则中， Hebb 规则和△学习规则均为有导师学习规则。（ ） 6.在 BP 神经网络中，学习过程由信号的正向传播与误差的反向传播两个过 程组成，因而 BP 神经网络是一种反馈网络。 （ √√ ） 7.BP 神经网络的拓扑结构和 CPNCPN（CounterpropagationCounterpropagation Networks,Networks, CPNCPN） 对传网的拓扑结构是不同的。 （ ） 8.在循环网络稳定性分析过程中，我们可以采用著名的 LyapunovLyapunov 函数作为 Hopfield 网络的能量函数。 （√ √） 9.可采用稳定性、存储容量、吸引半径和收敛时间指标来评价一个反馈神经 网络的性能。 （ √√ ） 10. 遗传算法是由美国的 J. Holland 教授于 1975 年在他的专著自然界和人 工系统的适应性中首先提出的，它是一类借鉴生物界自然选择和自然遗传机 制的随机化搜索算法 。 （ √√ ） 11. 模式定理和积木块假设是保证遗传算法可以快速、有效获得最优解的数学 基础。 （ √√ ） 12. 目前混合遗传算法实现方法一般体现在引入全局搜索过程和增加