数据挖掘幕课第四章习题

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...

爱学习的小邋遢

10345人浏览 · 2020-04-29 10:59:11

爱学习的小邋遢 · 2020-04-29 10:59:11 发布

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