- 蚁群算法中蚂蚁运动规则下列正确的是？（）
- 遗传算法的应用范围有(ABCD)
- 目前文字识别采用的主要方法有( )。
- 关于参数共享的下列哪个陈述是正确的？
- 下列关于灰色粗集模型的说法中，正确的有()
- 粗集理论可以应用于哪些方面( )
- 假设你已经建立了一个神经网络。 您决定将权重和偏差初始化为零。 以下哪项陈述是正确的？
- Verhulst灰色模型是在Verhulst所建立的模型上发展而来的一个( )
- 粗集理论可以应用于粗糙集的文本分类，根据加权公式，出现一个词j的文本数越___,所有训练文本的个数越___,表示的特征词j在越多的文本中出现,其对分类的区分性越差,其重要度则越小。( )
- 人工神经元模型可以看成是由3种基本元素组成一个连接，一个加法器和（）
- 在信息融合应用中，还要对其评价指标进行加权改进，以得到更适宜的描述 ( )
- 概率神经网络通过已知样本数据集的（）来进行贝叶斯分类，将学习到的权数、平滑参数等用于未知数据的判断。
- 对许多大型系统，仅有部分数据库表属性必须保留，如果能将冗余属性删除，可大大提高系统潜在知识的清晰度。
- Logistic回归的权重w应该随机初始化，而不是全零，因为如果初始化为全零，那么逻辑回归将无法学习到有用的决策边界，因为它将无法“破坏对称性”
- 因为池化层不具有参数，所以它们不影响反向传播的计算。
- 如果在大量的超参数中搜索最佳的参数值，那么应该尝试在网格中搜索而不是使用随机值，以便更系统的搜索，而不是依靠运气
- 假设在一个深度学习网络中批处理梯度下降花费了太多的时间来找到一个值的参数值，该值对于成本函数J(W[1],b[1],…,W[L],b[L])来说是很小的值。 以下哪些方法可以帮助找到J值较小的参数值？
- 下列关于协同进化遗传算法的说法中，正确的有( )。
- PNN是( )的一种变体
- 概率神经网络除了能克服BP神经网络的缺陷外，还保留了BP神经网络( )的特征
- DSS的模糊不确定性主要表现以下哪几个方面？（）
- 智能神经元就是具有（ ），并可以通过一定的学习规则在一类或几类函数中调整其处理元。
- 云是用语言值表示的某个定性概念与其定量表示之间的（）转换模型 。
- 在基本蚁群系统模型中，α和β分别表示什么含义？（）
- 神经元节点计算什么？
- 模糊二字来源于哪个英文单词（ ）。
- 用粗集方法进行图像中值滤波时，噪声密度的计算公式为( )。
- 您已经为所有隐藏单元使用tanh激活建立了一个网络。 使用np.random.randn（..，..）* 1000将权重初始化为相对较大的值。 会发生什么？
- 集合是描述人脑思维对（）事物的识别和分类的数学方法。
- 神经网络是由大量简单处理单元广泛连接而构成的一个复杂的线性系统( )
- 可拓控制的突出点是能够将难以控制的问题转化为可以控制的问题，也就是将系统在K(S)<-1的状态最终转化为K(S)>0的状态
- 下面哪些是人工蚁群系统所具有的特点？（）
- 粗集理论是一种研究不完整数据的智能信息处理方法，该方法的特点是不需要任何先验知识，类似的还有( )。
- 主要是通过对信息融合系统的性能评估，达到实时控制和/或长期改进的目的。（ ）
- 变异率的选取一般受种群大小、染色体长度等因素的影响，一般取（ ）。
- 灰色系统理论和方法的核心是灰色模型（）
- BP神经网络在网络理论和网络性能方面都比较成熟，并具有很强的非线性映射能力和柔性的网络结构 ( )
- 遗传算法是一个循环寻优的过程。
- 以下选项不属于遗传算法的缺点的是（）
- 在单蚁群聚类算法中，（）决定了聚类效果。
- 从数字上看BP学习算法是一种( )
- 你有一个32x32x16的输入，并使用步幅为2、过滤器大小为2的最大化池，请问输出是多少？
- 我们使用普通的网络结构来训练一个很深的网络，要使得网络适应一个很复杂的功能（比如增加层数)，总会有更低的训练误差。
答案:一旦找到食物，蚂蚁取走部分，并释放“食物”信息素###一旦回到巢穴，蚂蚁放下食物，并释放“巢穴”信息素
答案:生产调度###人工生命###机器学习###函数优化
答案:句法结构识别方法###人工神经网络方法###模糊分类识别方法###逻辑推理方法
答案:它允许在整个输入值的多个位置使用特征检测器。###它允许梯度下降将许多参数设置为零，从而使得连接稀疏。
答案:能更好地把待检模式向量从其不属于的状态模式中区分开来。###区别对待模式向量中各特征参数，提高了分类的精度。###突出了协调性好的参数的作用，降低了不协调参数的作用。
答案:图像滤波###模式识别###神经网络###数据挖掘
答案:第一个隐藏层中的每个神经元节点将执行相同的计算。 所以即使经过多次梯度下降迭代后，层中的每个神经元节点都会计算出与其他神经元节点相同的东西
答案:非线性微分方程
答案:多，少
答案:一个激活函数
答案:D-S证据理论
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
