人工智能复习题

填空题

1.初次提出“人工智能”是在（1956）年。

2.下列不属于人工智能的研究措施的是（动作模拟法;。

3.（语义网络法）是知识的一种构造化图解表达，它由节点和弧线或链线构成，能把实体

的构造、属性与实体'司的因果关系显式和简要地体现出来。

4.在图搜索过程中，重排OPEN表意味着，与否按照其个（试探值）重新对未扩展节点进

行重排。

5.估价函数的值越小，意味着该节点位于最优解途径上的“但愿”（越大）。

6.（启发式探索）用于排列带扩展节点的次序，即选择最有但愿的节点加以扩展，使搜索

效率大大提高。

7.在产生式系统的推理方式中，由底向上的推理方式是（正向推理）。

8.人工智能、计算智能和生物智能由低层到高层的排序为（计算智能、人工智能、生物智

能）

9.下列不属于计算智能的重要研究领域的是（网络计算）

10.下列不属于人工神经网络的重要学习算法的是（非理化学习）

11.模糊推理是建立在模糊逻辑基础上的一种不确定性推理措施,是在二值逻辑三段论基础

上发展起来的，它以（模糊判断）为前提，以（模糊语言）为规则，推导出一种近似的

模糊判断结论。

12、1987年兰德提出的人工生命的定义为：

人工生命是研究可以演示出自然生命系统特性行为的人造系统c通过计算机或其他机器对类

似生命的行为进行综合研究。

13、机器学习系统的基本构造分为四个构成部分，分别是环境、学习、知识库、执行，其中，

（环境）部分向系统的学习提供某些信息。

14、（类比学习）是一种很有用和很有效的推理措施，它能清晰，简洁地描述对象间的相似

性，是人类认知世界的一种重要措施。

15、根据费亚德的定义，数据库中的（知识发现）是从大量数据库中辨识出有效的、新奇的，

潜在有用的，并可被理解妁模式的高级处理过程。

16、下列不属于知识发现的措施的是（智能计算措施）

17、设计专家系统的关键是（知识表达）

18、（框架）是一种构造叱表达措施，一般由指定事物各个方面的槽构成，每个槽拥有若干

个侧面，而每个侧面又可拥有若干个值。

19、“假如X不懂得，那么得到结论Y”，此定义属于（缺省推理）

20、老式的逻辑学派及其推理措施称为经典逻辑和经典推理，而新的逻辑学派及其推理措

施称为非经典逻辑和非经典推理。两者相比，在推理措施上，经典逻辑采用（）进行推理，

而非经典逻辑采用0进行推理。

演绎逻辑、归纳逻辑

21、不确定推理中存在三种不确定性，下列不属于这三种不确定性的是（理论不确定性）

22、（遗传算法）是模仿生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算

法，是对生物进化过程进行的一种数学仿真，是进化计算的一种最重要的形式。

23、新型专家系统重要分为（分布式专家系统、协同式专家系统）

24、下列不属于专家系统的特点是（及时性）

25、深度学习有四种常用的模型，分别是自动编码器、受限波耳兹曼机、深度信念网络和卷

积神经网络。其中，（卷积神经网络）在本质上是一种输入到输出的映射，该模型的基本构

造包括两层，即特性提取层和特性映射层。

26、搜索分为一盲目搜索和_启发式搜索

27、人工智能的目的是让机器可以一模拟、延伸和扩展人的智能一____________以实现

某些脑力劳动的机械化。

28、1956年夏季，美国的某些年青科学家在Dartmouth大学召开了一种夏

季讨论会，在该次会议上，第一次提出了人工智能这一术语。

29、AI研究的三条重要途径为：符号注意、行一主义、连接主义o

30、盲目搜索的措施有深度优先、宽度优先和回溯方略等。

31、简朴遗传算法的遗传操作重要有选搽、交叉和变异o

32、人工神经网络具有的基本属性：韭线性、非局域性、非定常性和非凸性。

33、人工智能的重要应用领域有：自然语言理解、数据库的智能检索、专

家征询系统、定理证明、整、机器人学、自动程序设计、组合调度问题、感知问

题等。

34、不确定性类型按性质分：随机性、模糊性、不完全性、不一致性。

35、在走迷宫、下棋、八数码游戏等游戏中，常用到的一种人工智能的关键技术称

为图搜索技术,解比类问题时，常把在迷宫的位置、棋的布局、八数码所排成的

形势用图来表，这种图称为状态空间图。

36、在著名的医疗专家系统MYCIN中规定，若证据A的可信度CF(A)=0,见意味

无关,CF(A)=-1,则意味着_Jg_.CF(A)=1,则意味着真。

37、不确定性推理中存在三种不确定性有关证据的不确定性有关知

识的不确定性和有关结论的不确定性。

38、人类智能的特性表目前4个方面能感知客观世界的信息,能对通过思维对获得的

知识进行加工处理,能通过学习积累知识增长才能和适应环境变化和能对外界的刺激作出反

应传递信息

39、人工神经网络可分为—递归网络和一多层网络两种基本构

造。

40、一粒群优先算法是一种基于群体搜索的算法，它是建立在模拟鸟群社会

的基础上。

综合体和简答题

1.在河的左岸有三个修道土、三个野人和一条船，修道士们想用这

条船将所有的人都运过河去，但受到如下条件的限制：

(1)修道士和野人都会划船，但船一次最多只能运两个人；

(2)在任何岸边野人数目都不得超过修道土，否则修道土

就会被野人吃掉。

假定野人会服从任何一种过河安排，试规划出一种保证修道士安

全过河方案。

左L右R

修道七M@@©

船

斯人cAAAR

答：

1)问题的状态

可以用一种三元数组来描述：

S=(m,c,b)

m：左岸的修道士数

c：左岸的野人数

b：左岸的船数

右岸的状态不必标出，由于：

右岸的修道土数=3-m

右岸的野人数c*=3-c

右岸的船数b1=1-b

状态m,c,b状态m,c,b状态m,c,b状态m,c,b

SS16S24

So3318131330130

SiSS17S25

3219121320120

SS10S18S26

2311111310110

S3301Su101S19300S27100

S4SS20S28

23112031230030

SS13S1S29

52210212220020

SS14S22S30

6211Oil210010

SS15S23S31

7201001200000

2)操作集F={pOi,pio,pn,po2,p2o,qoi,qio,qn,qo2,q2o}

操作符条件动作

Poib=lzm=O或3,c>lb=Ozc=c-l

Piob=l,(m=3,c=2)或(m=l,c=l)b=Ozm=m-l

Pllb=l,m=c,c>lb=0zm=m-lzc=c-l

P02b=l,m=O或3,c>2b=O,c=c-2

P20b=l,(m=3,c=l)或(m=2,c=2)b=O,m=m-2

Q01b=o,或3,cW2b=lzc=c+l

Q10b=O,(m=0,c=l)或(m=2,c=2)b=l,m=m+l

Qub=0,m=czcS2b=l,m=m+lzc=c+l

QO2b=Ozm=O或3,cW2b=l,c=c+2

Q20b=0,(m=0,c=2)或(m=l,c=l)b=lzm=m+2

3）状态空间

给出状态和操作的描述之后，该问题的状态空间是:

{{S)}>{Poi9P10,Pll,Po2,020,Q0I9Q1Q9Q119。02,{S1}}O

4）状态空间图:

2.

设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去.该船的负毂

能力为两人.在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉.

他们怎样才能用这条船安全地把所有人都渡过河去？

用Si(nC,nY)及示第i次波河后,河对岸的状态.nC度小传教士的敷nY我小野人的数

II.Ill干总人数的确定的,河对岸的状态确定了，河这边的状态也即确定了学思到■目的

级制条件,要同时保证,河两岸的传做1包口不少于要人数目，故在整个渡河的过程中,允

许出现的状态为以F3种情况:

l.nC=()

2.nC=3

3.nC=nY>=()(q,inC小需十()或3)

用d,(dCdY)&示渡河M程中，对齐状态的变化,UC&示.第i次波河后,对伴传教L数目

的变化，dY表示,第i次渡河后,对岸野人败目的变化•当i为偶数时,dC,dY同时为非负

数,裳示船驶向对岸,i为奇数时，dC.dY同时为北正数,我小船则叩;'边.

初始状态为SUO.O),H标状态为So(3.3).用深度优先搜索的方法可寻找渡河方案.

在此,用图求法该问题，令横坐标为nY.纵坐标为nC,“「行状态为空心点表示，每次可以

在格广上，沿对角线移动一格，也可以沿坐标轴方向移动I格，或沿坐标轴方向移动2格,

第奇数次数状态转移，沿右方,上方，或右上方移动，第偶数次数状态转移，沿左方,下方，

或左卜方移动。

从(0,0)开始,依次沿箭头方向改变状态,经过II步之后,即可以到达目标状态(3.3),相应

的渡河方案为：

dI(I.I)-->d2(-1,0)-->d3(0,2)-->d4(0,-1)-->d5(2,0)-->d6(-l,-l)--»d7(2.0)-->d8(0.-1)-->d9(

(),2)-»dlO(-l,O)—

利用图2.3.用状态空间法规划一个域短的旅行路程：此族行从城市A开始，访问其他城巾

不多于一次，并返回A・选择一个状态表小,麦小出所求得的状态空间的门点及孤线,标出适为

的代价,并指明图中从起始节点到目标节点的最佳路径.

①综合数据库(x),(x)中的x可以是一个字母，也可以是一个字符串

②初始状态(A)

③目标状态(Axlx2x3x4xA)

④路线如下图所示：

最短旅行路线为：A->C->D->E->B->A

总距离为6+5+6+10+7=34.

什么是可信度(CF)?试由规则强度CF(H,E)的定义说明可信度的含义。

根据经验对一个事物或现象为真的相信程度称为可信度.

规则的一般形式为：IFETHENH(CF(H,E))。其中，CF(HJ)规则的可信度，称

为可信度因子或规则强度。CF(H,E)在［T,1］上取值,它表示在已知证据E的情况下对假设H

为IX的支持程度。

CF(H,E)定义如下：CF(H,E)=MB(H,E)-MD(H,E).其中,MB(MeasureBelief)称为信任

增长度，表示因证据E的出现而增加对假设H为真的信任增加程度E)〉0P(HE)>P(H)］；

MD(MeasureDisbelief)称为不信任增长度,表示因证据E的出现对假设H为假的信任减少的

程度［MD(H,E)>0P(H|EXP(H)］o

5.

在主观贝叶斯推理中，LS和LN的意义是什么？

①LS

LS为规则的充分性量度，它反映E的出现对H的支持程度。当LS=1时，0(HE)=O(H),说

明E对H没有影响：当LS〉1时，0(HE)>O(H),说明E支持H,且LS越大，E对H的支持越充分，

若LS为8,则E为真时H就为真：当LS<1时,0(HEXO(H),说明E排斥H,若LS为0,则0(HE)=0,

即E为真时H就为假

②LN

LN为规则的必要性量度，它反映0E对H的支持程度，即E的出现对H的必要性。当LN=1

时,O(H|0E)=O(H),说明0E对H没有影响：当LNX时,O(H|0E)>O(H),说明0E支持H,且LN

越大，0E对H的支持越充分，若LN为8,则0E为真时H就为真：当L火1时，O(H0E)〈O(H),

说明院排斥H,若LS为0,则O(H|0E)=O,即0E为真时H就为假

③LS和LN的关系

由于E和0E不会同时支持或排斥H,所以只有以下三种情况存在：

情形1：LS>1且LNC1

情形2：LS<1且LN>1

情形3：LS=LN=1

6.

不确定性推理的定义

不确定性推理，就是从不确定性的初始证据(即已

知事实)出发，通过运用不确定性的知识，最终推出具

有一定程度的不确定性但却是合理或近乎合理的结论的

思维过程。

7.

不确定性推理方法的分类

常用的方法有数值法和非数值法。数值法以

概率方法、确定因子法、D—S证据理论和可能性

理论为代表；非数值法则以批注理论和非单调逻

辑为代表。数值法是对不确定性的一种定量表示

和处理方法，便于计算、比较，非数值法是指除

数值方法外的其它各种处理不确定性的方法，便

于定性分析。

8.人工智能中的知识表达措施有几种？

1）状态空间表达

2）问题归约表达

3）谓词逻辑表达

4）语义网络表达

5）框架表达

6）过程表达

9.

现在人工智能有哪些学派？它们的认知观是什么？

符”］：义(Symbolicism),又称为逻辑I1义(Logicism)、心理学派(Psychlogism)或计卯机学派

(Computerism)［其原理主要为物理符号系统(即符”操作系统)假设和仃限合理性原理.］

认为人的认知基元是符年,而且认知过程即符”操作过程。认为人是一个物理符与系统.计

算机也是一个物理符号系统，因此,我们就能修用计算机来模拟人的科他行为.知识是信息

的•种形式，是构成智能的基础。人T智能的核心问题是知识表不、知识推理和知识运用.

联结X义(Conneclionism),乂称为仇’1.学派(Bionicsism)或'口中学派(Physiologism)［其欣对

主要为神经网络及神经网络间的连接机制与学习算法|

认为人的思维基元是神势无，而不处符'，；处理过程，认为人脑不同于电脑，井提出联结上义

的大脑工作模式，用于取代符号操作的电脑工作模式.

"为卜:义(Actionism).又称进化匕义(Evolutionism)或控制论学派(Cyberneiicsism)|乂原时为

控制论及感知•动作型控制系统I

认为智能取决于感知和行动。认为智能不需要知识、不需要表示、不需要推理：人工智能可

以象人类智能一样逐步进化.智能行为只能在现实世界中。周国坏境交互作用而表现出来.

符号主义、联结上义对其实世界客观事物的描述及其料能行为工作模式是过于简化的抽象，

因而是不能真实地反映客观存在的。

10.

什么是人工智能？试从学科和能力两方面加以说明0

从学科角度来看：人I智能是计算机科学中涉及研究、助计和应用智能机器的一个分支。它

的近期七要H标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技

术。

从能力角度来看：人「•智能是智能机黑所执行的通常与人类智能有关的功能，如判断、推理、

证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动

11.人工智能的研究目的

解等活切：「|«|皿一/—・二------

人I智能的一般研究目标为！

m斛人类智能通过编写程序来模仿和检验有关人类智能的理论。

「）创造有用的灵巧程序该程序能够执行一般需要人类专家才能实现的任务。

般地人1智能的研究目标乂可分为近期研究目标和远期研究目标两种.

人:智能的近期研究目标是建造智能计算机以代替人类的某些智力活动.通俗,

说，就是使现有的计算机更聪明和更有用，使它不仅能够进行一般的数值计算和作数供信

息的数据处理•而且能够使用知识和计算智能，模拟人类的部分智力功能'解决传统方法

无法处理的问题。为了实现这个近期目标,就需要研究开发能够模仿人类的这些智力活

动的相关理论、技术和方法，建立相应的人工智能系统。

人工智能的远期目标是用自动机模仿人类的思维活动和智力功能。也就是说，是

要建造徙够实现人类思维活动和智力功能的智能系统。实现这一宏伟目标还任重道

远.这不仅是由于当前的人工智能技术远未达到应有的高度，而且还由于人类对自身

的思维活动过程和各种智力行为的机理还知之甚少，我们还不知道要模仿问题的本质

和机制。「■棚―修，善戋..例即IB

人工智能研究的近期目标和远期目标具有不可分割的关系。一方面,近期目标的

实现为近期目标研究做好理论和技术准备，打下必要的基础，并增强人们实现远期日

示的信心；另一方面，远期目标则为近期目标指明了方向，强化r近期研究目标的战“

地位.

对于人工智能研究目标，除r上述认识外,还有一些比较具体的提法.例如乍艾特

（Lecait）和费根鲍姆提出人「智能研究的9个“最终目标'',包括深入理解人类认知过程、

实现有效的智能自动化、有效的智能扩展、建造超人程序、实现通用问题求解、实现自然语

言理解、自主执行任务、自学习与自编程、大规模文本数据的存储和处理技术。又如,索罗

门（Sloman）给出人工智能的3个主要研究目标，即智能行为的有效的理论分析、解释人

类智能、构造智能的人工制品。

12.人工智能发展时期？

1孕育时期（1956年前）

2形成时期（1956——1970年）

3暗淡时期（1966——1974年）

4知识应用时期（1970——1988年）

5集成发展时期（1986年至今）

13.

在人工智能的发展过程中，有哪些思想和思潮起了羽要作用？

控制论之父维纳1940年上张计第机五原则。他开始考虑计算机如何能像人脑一样T•作.系

统地创建了控制论，根据这•理论，个机械系统完全能进行运算和记忆。

帕梅拉•麦考达克(PamelaMcCorduck)在她的著名的人T.智能历史研究《机器思维》(Machine

WhoThink.1979)中曾经指出:在狂杂的机械装置与智能之间存在着长期的联系.

著名的英国科学家图灭被称为人r智能之父,图我不仅创造了一个简单的通用的北数字计算

模型，而且宜接证明了计算机可能以某种被理解为智能的方法T作。提出了著名的图灵测试。

数现逻辑从19世纪末起就狭迅速发展：到2()世纪3()年代开始用于描述智能行为，计算机

出现后，又在计算机上突现了逻辑演绎系统.

1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pills)创立的脑模型，即MP模

型。60-70年代，联结主义，尤其是对以感知机(perc叩iron)为代表的脑模型的研究曾出现过

热潮,

控制论思想早在40-50年代就成为时代思潮的重要部分，影响了早期的人「智能「作者。到

60-70年代，控制论系统的研究取得一定进展，播F智能控制和智能机器人的种子。

14.人工智能研究的基本内容

认知建模

知识表达

知识推理

知识应用

机器感知

机器思维

机器学习

机器行为

智能系统构建

15.遗传算法的求解原理和环节？

原理：遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算

模型，是一种通过模拟自然进化过程搜索最优解的措施。遗传算法是从代表问题也许潜在的

解集的一种种群开始的，而一种种群则由通过基因编码的一定数目的个体构成。每个个体实

际上是染色体带有特性的实体。染色体作为遗传物质的重要载体，即多种基因的集合，其内

部体现（即基因型）是某种基因组合，它决定了个体的形状的外部体现，如黑头发的特性是

由染色体中控制这一特性的某种基因组合决定的。因此，在一开始需要实现从体现型到基因

型的映射即编码工作。由于仿照基因编码的工作很第杂，我们往往进行简化,如二进制编码，

初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解,

在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行

组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化同样的后生

代种群比前代愈加适应于环境,末代种群中的最优个体通过解码,可以作为问题近似最优解。

环节:

求解步骤：

（|）随机产生•个由确定长度的特征字符串纲成的初始种群体

（2）对该字符串种群迭代地执行下步的步骤［I］和步骤［2］,直到满足停止准则为止:

|1|计算种群中每个个体字符中的适应值

|2|应用复制，交叉和变片等遗传口「产生下一代种针

⑶把在后代中出现的最好个体字符指定为遗传算法的执行结果,这个结果可以我不问物的

一个解。

16.遗传算法的执行过程？

二脑薪都需要执行相同的3免萼异操作。'

5.4.5遗传算法的执行过程

遗传算法的执行过程如下：

步骤1令迭代次数G=0;

步骤2令适应度评价(fitnessevaluations)次数FES=0；

步骤3根据期望的搜索精度,确定每个决策变量的二进制串K度/(W{1,2,

步骤4随机产生一个包含N个个体的初始群体尸，，群体中的每个个体为一个前

U

为工1,的二进制串；

步骤5对匕;中的每个个体进行解码；

步骤6计算儿中的每个解码后个体的适应度，得到适应度集合小,.；

步躲7FES=FES+N；

步骤8令儿包=0」说“=0；

步骤9对P,的个体根据其适应度执行选择操作，得到父代个体集

就方11：‘器;工体随机分为N"组'对每组中的两个个体，以概率R加

1法代白翔

I■-_11W

鲁对心中每个个体的每一个二进制位，以概率pm执行好操作展

(步骤12对此，中的每个个体进行解码；U

步骤13计算腕中每个解码后个体的适应度，得到适应度集合出1；

।步骤14FES=FES+N；

步骤15执行替换操作：儿+尸MG，”+产伍=；.

步骤16G=G+1;.

步骤17如果满足结束准则,输出群体中具有最高适应度的个体；否则转至步骤&

从上述执行过程可以看出，遗传算法包含4勺主望望如二进制串的长度?/上

接'、交叉概率吟皿^率pm。其中二进制小的长型鬻泻::嚣

此外，群体规模N与优化问题的复杂程度和决策变嘿二与算孑是产生科

杂、决策变量的个数越多时，群体规模应越大。丝毛算子是产生子代个甥;

的主要方式，它决定了遗传算法的全局搜鬻品盥嬴因此,遗传算”

,苴士强日的笈，增仙群体的多样性，帮助群体挑一q■就

17.消解原理？

消解是一种可用于一定的子句公式的市要推理规则。子句定义为由文字的析取飞

的公二及原子公式和原子公式的否定都叫做文字）。当消解可使用时」肖解B程被应

用于母体子句对.以产生一个导出子句。例如,多学伍3L）公理理

〜E,E.那小就是消解，而称EL_V邑为里】和

vvE2

力VE的消解式（resolvent）。2埋，田为杀的0褶粕以隹）觥

18.消解推理规则？

*吵

的谓词^^

ajn二j“如果/和/,

匕是由取诉三句的析取，然后酒？

X面卷上nA“WX

19.消解反演

给出一个公式隼S和U标公式上，通过反证或反演来求证目标公主L，其证明步骤

如下:

（1）否定L.得〜/,；

（2）把〜L添加到S中去；

⑶把新产生的集合（〜L.SM寻句集；

.（4）应用消解原理.力图推导他一个;表示矛盾的空子句。

,寸匕意单讨论一下用反演证用！的正确性。设公式L在逻辑上遵循公式集S,那

么茂昭定义满足S的每个解释也满足/一决不会有满足s的解释能够满足〜L的.所以

:在在三:满足并集SU{〜/，的解释。如果一个公式集不能被任—解释所满足•那么总

年比舟‘如果"在逻辑‘W"、'U是不“I满足的.胃

此.如果;小L，：：：“应用到不可满足的子句集’那么最终将要产生空子句NL因

反—:如里/：'川⑷'"集SU{〜L}消解得到的子句，最后将产生空子句；

F由4」「二；《；」的「句消解得到空子句,那么L在逻辑上遵循S。

20.反演求解过程？

从反演树求取对某个问题的答案，其过程如下:

⑴把由目的公式的否认产生的每个子句添加到目的公式否认之否认的子句中去,

叱温反演树.执行和以前相同的消解，直至在根部得到某i为止。

言】所以被变换的证明树就是一棵消解的证明树,其在根部的语句在逻辑上遵循公理加上

;言式,因而也单独地遵循公理。因此被变换的证明树本身就证明了求取办法是正确的•

2L神经网络

2.人工神经网络的基本特性和结构

人脑内含有极其庞大的神经元（有人估计约为一千几白亿个）’它们互连组成

络.并执行高级的问题求解智能活动。_

人工神经网络由神经元模型构成，这种由许多神经元组成的信息处理网络具有杆

分布结构.卷个神经元具有单一输出,并且能够与其他神经元连接；存在许多（名。鹏

出连接方法,每种连接方法对应于一个连接权系数。严格地说,人工神经网络是-和总

下列特性的有向图：

（1）对于每个节点i存在一个状态变址凡；

（2）从节点i至节点j,存在一个连接权系数3“；

（3）对于每个节点i,存在一个阈值仇，

11）咐「每个节点i♦定义一个变换函数对于最一般的情讹•此

函数取2肛,巧_4）形式。

的结构基本上分为两类御递归（反馈，网络和前饿网络,简介如葭

在递归网络中,多个神经元互连以组织一个加函,』的一如此知伊

元的输出被反馈至同层或前层神经元因此住;雪"所不。力;

络、Elmman网络和Jordan网络是递£网络中%髻g正向和反向流通J

妈急：介足图用网络中具有代表性的例子。递力网络乂—一

在图院4中，匕表示节点的状态，才为节占的

，=1，2,…，叫…、的输入（初始）值々:为收敛后的输出小

（2）前馈网络

层」嚣嚣器懈黑普出黑给连的房级组成从输'

上，不住仔同父神斗，

,如图5.5所示.图中•实线指明实际信号流通•扉我&〃.反《呼1画也花.

间的连接

、学习矢鼠时化（LVQ）网络、小脑模中连混；“、累,霏

的例子有多层感知器（MLP）

络和数据处理方法（GMDH）网络等

XI

X：

输入匕输出输入层R3U心出以

q图递归,反馈，圆络前馈（多厦）网络

应5.20BS.5

3.人工神经网络的主要学习算法

神经网络主要通过两种学习算法进行训练•即指导式（与师）学习算法和非指导式（无

师）学习算法。此外•还存在第三种学习价:法•即强化学习算法,可把它"做足/帅学习的

一种特例.（外堤性3购书协

/（1）有师学习。心由力

\有师学习算法能够螃Jgq地和支匹蜘3输出（8里空里跑20之则的N来调整

检”阅卷网遇更■或权・因此，行师学习需要仃老师或导।F来提供期印或目标输出信

V,有部学习算法的例子包括△规则、广义、规则或反向传

少去以及LVQ算法等。

?无师学习算法不篷您道助糜患人物।练过杆中.

只要向神经网络提供输入模式.

嬴例