2015年《计算智能》复习资料.doc

PAGE PAGE 5 2015年《计算智能》复习资料 填空题 主流学派把人工智能分成：（逻辑主义）、（连结主义）和（行为主义）三大学派。计算智能有：（神经网络）、（进化算法）和(群体智能)三个分支学派。神经网络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。BP网络模型的分为三层包括（输入层）、（隐藏层） 和（输出层）。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（高速发展时期）四个时期。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。人工神经网络有：M-P感知机、BP神经网络、前馈内层互联网络、反馈网络、全互联网络等几种模型。人工神经元之间通过互相联接形成网络，称为人工神经网络?。 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； 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，记忆细胞分化，抗体促进和抑制，产生新的抗体，结束条件。 遗传算法的基本原理：A、编码与译码：将问题结构变换为位串形式编码表示的过程叫编码；反之，将位串形式编码表示变换为原问题结构的过程叫译码。B、适应度函数：为了体现个体的适应能力，引入了对问题中的每一个个体都能进行度量的函数，称为适应度函数。C、遗传操作：主要有三种（选择、交叉、变异）选择操作也叫复制操作，根据个体的适应度函数值所度量的优劣程度决定它在下一代是被淘汰还是被遗传。交叉操作：它的简单方式是将被选择出的两个个体P1和P2作为父母个体，将两者的部分码值进行交换。变异操作：它的简单方式是改变数码串的某个位置上的数码。 模拟退火算法的来源：模拟退火算法来源于固体退火原理，将固体加热至充分高的温度，再让其徐徐冷却，加温时，固体内部粒子随温度的升高而变为无序状态，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。模拟退火算法分解为三个部分：解空间、目标函数、初始解. 二、简答题 1、生物神经元的六个基本特征。 1、神经元及其联结2、联结强度决定信号传递的强弱3、联结强度可以随训练而改变4、信号可以是刺激作用的，也可以是抑制的5、一个神经元接受的信号的累积效果决定该神经元的状态6、每个神经元可以有一个“阈值” 2、智能是指人认识客观事物并运用知识解决实际问题，它集中表现在反映客观事物的深刻、正确、完全的程度上，以及应用知识解决实际问题的速度和质量上，往往通过观察、记忆、判断、联想和创造等表现出来，简单说，智能就是认识事物，解决问题。 3、机器智能：假设一个人在房间一台机器，另一个房间有一个人，当人们提出问题让他们分别作答，而提问的人分辨不出是哪个人回答，哪个是机器回答的就认为机器有了智能。 4、人工智能:就是利用计算机来表示或执行人类的智能活动，例如用计算机判断、学习、决策、识别、理解、求解问题等。 三、简述题 1、简述人工神经网络的特点。（4个） 1、复杂非线性函数的逼近：人工神经网络是高度非线性动力学系统，非线性函数可以是连续的、也可以是离散的，结构可以是单层的、也可以是多层的。2、具有分布式信息存储特点、可塑性：所有定量、定性的信息都等势分布于网络内的各个神经元，大量神经元之间通过不同连接方式和权值分布来表征特定的信息。个别神经元或局部网络受损时，神经网络可以依靠现有的存储实现对数据的联想记忆功能。3、具有巨量信息并行处理和大规模平行计算能力：每个神经元对所接受的信息作相对独立的处理，但各个神经元之间可以并行、协同地工作；人脑每个神经元很简单，但由于大脑总计形成10E14-15个突触，使得人脑1s内可完成计算机至少需要10亿处理步骤才能完成的任务。4、具有自组织、自学习功能：人工神经网络可以根据所在的环境去改变它的行为，可以按要求产生从未遇到的模式—“抽象”功能；神经网络间的连接网络权值可以通过自学习过程不断地修正；能在某些输入不确定或默认情况下，根据一定的学习规则自主地从样本中学习，达到自适应不知道或不确定的系统。 2、简要地描述BP算法过程和用MATLAB软件进行仿真的总体步骤，并列出五个仿真过程中必不可少的函数。 答：BP算法是一种ANN的误差反向传播训练算法，这种网络不仅有输入节点、输出节点，还有一层或多层隐含节点。对于输入信息要先向前传播到隐含层的节点上，经过各单元的特性为SIGMOID型的激活函数运算后，把隐含节点的输出信息传播到输出节点，最后给出输出结结果。网络学习过程由正向和反向传播两部分组成。在正向传播过程中，每一层神经元的状态只影响下一层神经元网络。如果输出层不能得到期望输出，就是实际输出值与期望输出值之间有误差，那么转