人工智能原理 第七章_智慧树知到答案2021年

第七章 人工神经网络和深度学习：介绍神经网络的基本原理和使用方法7.1人工神经网络的历史:介绍人工神经网络的历史
7.2神经元的数学模型:介绍神经元的数学模型
7.3神经网络结构和学习方法:介绍人工神经网络的构造和学习方法
7.4BP学习方法的原理:介绍BP学习方法的原理
7.5BP学习方法的实现:介绍BP学习方法的具体实现
7.6人工神经网络的应用:介绍BP学习方法在数字图形上的分类应用
7.7Hopfield神经网络的基本原理:介绍Hopfield神经网络基本原理
7.8Hopfield神经网络的联想记忆:介绍Hopfield神经网络联想记忆的原理和应用
7.9深度学习的历史和概念:介绍深度学习的历史和概念
7.10卷积神经网络的结构和应用:介绍卷积神经网络的结构和应用
7.1人工神经网络的历史:介绍人工神经网络的历史
7.2神经元的数学模型:介绍神经元的数学模型
7.3神经网络结构和学习方法:介绍人工神经网络的构造和学习方法
7.4BP学习方法的原理:介绍BP学习方法的原理
7.5BP学习方法的实现:介绍BP学习方法的具体实现
7.6人工神经网络的应用:介绍BP学习方法在数字图形上的分类应用
7.7Hopfield神经网络的基本原理:介绍Hopfield神经网络基本原理
7.8Hopfield神经网络的联想记忆:介绍Hopfield神经网络联想记忆的原理和应用
7.9深度学习的历史和概念:介绍深度学习的历史和概念
7.10卷积神经网络的结构和应用:介绍卷积神经网络的结构和应用

[判断题]人工神经网络是一种用符号化的语言获取知识来学习选项:[对, 错]
[判断题]人工神经网络是人脑神经系统的真实描写选项:[对, 错]
[多选题]人工神经网络方法的主要特征包括（ ）选项:[信息存储在神经元及其之间的链接, 并行协同处理数据, 通过调整神经元链接来模拟人工智能, 通过对数学公式的解析直接得到答案]
[判断题]加拿大科学家辛顿教授（Geoffrey Hinton）发明了适用于多层感知器的反向传播算法，有效解决了非线性分类和学习的问题选项:[错, 对]
[判断题]单层感知器能力虽然有限, 但可以处理非线性分类问题。选项:[对, 错]
[判断题]感知器( Perceptron)是第一个可以训练的神经网络的模型选项:[对, 错]
[判断题]感知器的权值是根据输出的误差来调整选项:[错, 对]
[判断题]感知器的一种常用的S型函数有sigmoid函数，它的输出范围在0到2之间选项:[对, 错]
[多选题]人工神经网络的结构，可以分为（ ）三大类选项:[随机网络, 网状网络, 前馈网络, 反馈网络]
[判断题]前馈网络具有递阶分层结构，信号可以通过单向和反向连接流通选项:[对, 错]