2017年宁波大学智能系统考博真题3809.pdf0页

2017年宁波大学智能系统考博真题3809.pdf宁 波大 学2017 年博 士研 究生 招生 考试 初试 试题(A 卷) ( 答案必须写在考点提供的答 题纸上) 科目代码: 3809 科目名称： 智能系统 第 1 页 共 2 页 1. 常见的学习模型可分为 生成模型和判别模型 二类 ，生成模型用于对输 入数 据的联合概率进 行学习和建模；判别 模型 则是对输入数据的条 件概 率进行学习和建模， 二类 模型各有所长， 可以完成各种指导性 或非 指导性学习任务。假 定现 在要完成以下的任务 ： （a ）模式分类；（b ）聚 类分析；（c ）联想记忆， 请简要解释以下学习 模型 各自属于生成模型还 是判 别模型，可以胜任哪 种任 务： （1 ）多层感知器， （2 ） 多层BP 网络， （3 ）离散Hopfield 网络，（4 ）支持 向量机SVM 。 （12% ） 2. 当遇到线性不可分样本 时 ， SVM 方法通常会将其 映射到更高维的空间 ， 例如 ， 对于取值{-1,+1} 的 XOR 问题，如下的映 射函数 φ(x 1, x 2) = (1, x 1 2 , 2 1/2 x 1x 2, x 2 2 , 2 1/2 x 1 , 2 1/2 x 2) T 即可达到映射后线性 可分 的目的。但在SVM 计算过 程中用得更多的不是 直接 计算 φ 函数，而 是利用 “ 核函数 ” ，请问什 么是 “ 核函数 ” ？其作用是 什么？对应于上述映射φ 的核函数是什么 形式 ？ （12% ） 3. 如果BP 网络中神经元 的激励函数采用如下 的Sigmoid 函数： ? ? ? ? ? ? ? ? j j j j v v v - and 0 ) / exp( 1 1 ) ( ? ? ? 其中 ? 是该 Sigmoid 函数的 一个陡度控制因子， 普通 的 BP 算法通常将 ? 设定为 常数 1 ， 这使得 BP 算法会在输出 的平坦区域会限于停 顿， 因而需要加入动量项 改进 算法，如果不 采用动量项而是自动 地调 整 陡度因子 ? ，同样可以起 到加速 BP 算法的作用 ， 试设计一个 自动调整激励函数陡度的 改进型 BP 算法。 （14% ） 4. 在自组织特征映射网络SOM 中，网络调整方式如 下： 22 , (x) , (x) , (x) ( ) exp( / 2 ( )) ( ) ( ) ( ) j I j I ji j I i ji T t S t w t T t x w ? ? ?? ? ? ? ? ? 请解释公式中每个符 号的 含义，并说明 SOM 是如何进行自组织学习的 。 (12%) 5. 如果将 Hopfield 网络的 输出用于控制七段数 码管 ，使其输出如下字母 用来 表示工作正常： 要求在系统受到外界 干扰 的情况下能够自动恢 复， 即要求将 “G oo d” 作为 Hopfield 网络的系 统能量极小点（吸引 子） ，请使用 4 个包含 7 个神经元的全相连 Hopfield 网络来实现联想 记忆，给出详细设计 方案 和具体的网络权值。 （12% ）