计算机学院机器人足球队招新笔试b卷

试题计算机学院机器人足球队招新笔试B卷（10届）考生学号考生姓名阅读材料自组织神经网络的原理1分类与输入模式的相似性分类是在类别知识等导师信号的指导下，将待识别的输入模式分配到各自的模式类中，无导师指导的分类称为聚类，聚类的目的是将相似的模式样本划归一类，而将不相似的分离开来，实现模式样本的类内相似性和类间分离性。由于无导师学习的训练样本中不含期望输出，因此对于某一输入模式样本应属于哪一类并没有任何先验知识。对于一组输入模式，只能根据它们之间的相似程度来分为若干类，因此，相似性是输入模式的聚类依据。2相似性测量神经网络的输入模式向量的相似性测量可用向量之间的距离来衡量。常用的方法有欧氏距离法和余弦法两种。（1）欧式距离法设为两向量，其间的欧式距离IX,（4TIIIXD1）越小，与越接近，两者越相似，当时，；以（常数）为判据，XI0DIXTD可对输入向量模式进行聚类分析由于均小于，均小于,而,3121,DT465,T6541II6542II，故将输入模式分为类1和类2两大类，如图42所6543ITDI65321X示。（2）余弦法设为两向量，其间的夹角余弦IX,（42）ITCOS越小，与越接近，两者越相似；当0时，1，；同样以为XICOSIX0判据可进行聚类分析。X12X6类1类2TX3X5X4图42基于欧式距离法的模式分类3竞争学习原理竞争学习规则的生理学基础是神经细胞的侧抑制现象当一个神经细胞兴奋后，会对其周围的神经细胞产生抑制作用。最强的抑制作用是竞争获胜的“唯我独兴”，这种做法称为“胜者为王”（WINNERTAKEALL，WTA）。竞争学习规则就是从神经细胞的侧抑制现象获得的。它的学习步骤为（1）向量归一化对自组织网络中的当前输入模式向量、竞争层中各神经元对应的内星权向量XJW，全部进行归一化处理，如图43所示，得到和MJ,2XJW,（43）XJJWJW1JIJX1XIXNWNJKJY图43向量归一化（2）寻找获胜神经元将与竞争层所有神经元对应的内星权向量进行相似性比较。最相X,21MJW似的神经元获胜，权向量为JWJNJJXMI,21TJTJTJJJWXWXWX212TJX（4MAXTJJTJ4）（3）网络输出与权调整按WTA学习法则，获胜神经元输出为“1”，其余为0。即（45）01JTYJ只有获胜神经元才有权调整其权向量。其权向量学习调整如下JW（41JTWTXTJJJJ6）为学习率，一般随着学习的进展而减小，即调整的程度越来越小，趋于聚类中0心。（4）重新归一化处理归一化后的权向量经过调整后，得到的新向量不再是单位向量，因此要对学习调整后的向量重新进行归一化，循环运算，直到学习率衰减到0。为了更好地说明竞争学习算法的聚类分析效果，下面以一具体实例进行计算6。【问题】用竞争学习算法将下列各模式分为两类，写出前10次的学习后的输出，60,81X，94732，,3，4，80,65学习率05。【提示】将上述输入模式转换为极坐标形式，89361X8012X，。初始化，413X701135X0,0W80,2W要求将各模式分为两