资源描述
宁波大学 2018 年博士研究生招生考试初试试题 (B 卷 ) (答案必须写在考点提供的答 题 纸上 ) 第 1 页 共 3 页 科目代码 : 3809 科目名称： 智能系统 1. 机器学习通常可分为指导性学习和非指导性学习，学习模型则可分为 生成模型 和判别模型二类。假定现在要完成以下的任务： （ a） 函数拟合与插值；（ b）聚类分析；（ c）模式识别， 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） 深度学习网络， (2)RBF网络， (3)Boltzmann机，（ 4） SOM网络。 (10%) 2. 如果将异或 （ XOR）问题推广为 3 输入的 parity 问题，要求输入和输出实现如下真值表： 输入 1 输入 2 输入 3 输出 0 0 0 0 0 0 1 1 0 1 0 1 0 1 1 0 1 0 0 1 1 0 1 0 1 1 0 0 1 1 1 1 请设计一个多层网络实现 3-parity，并给出相应的学习算法。 (12%) 3. Hopfield 网络是全相连的反馈型网络，可以用于实现“吸引子”联想记忆，如果要使一个 Hopfield 网络同时记住“ A”、“ I”、“ Y”三个字母（ 3x4 点阵），试为其设计一个合理的结构，并给出学习算法和具体的网络权值。 (12%) 宁波大学 2018 年博士研究生招生考试初试试题 (B 卷 ) (答案必须写在考点提供的答 题 纸上 ) 第 2 页 共 3 页 科目代码 : 3809 科目名称： 智能系统 4. Adaboost 算法通过 适当 地 组合多个弱分类器（如感知器）形成一个强分类器， 它是 一种迭代算法，试给出 Adaboost 算法的详细步骤，你认为 Adaboost 算法中最为关键的是哪一步？这些弱分类器必须具备什么条件才能通过该算法形成一个强分类器？ Adaboost 算法的优势与弱点各是什么？ (13%) 5. 在 BP 网络中，最常用的激励函数是 Sigmoid 函数， (14%) 1( ( ) ) , - ( )1 e x p ( ( ) )j j jjv n v nvn 如果将激励函数改为如下的 S型函数： 1( ( ) ) 1 - , - ( )1 | ( ) |j j jjv n v nvn 请问，我们是否还能利用梯度下降法，如果可以，请设计一个相应的 BP 算法。 6. 对 于下图所示的 Boltzmann 机 ,假设每个结点的阈值都为 0，连接权值如图所示，如何采用模拟退火 (Simulated Annealing)技术 ,使网络尽快达到系统平衡态 ? 如果达到了平衡态，请计算系统处在状态 S1=-1,S2=-1,S3=1,S4=-1的概率是多少？ 要求给出具体的计算方式 。 （ 13%） 7. 深度学习研究近来在生成对抗建模方面取得了突破，生成对抗建模通过一个生成模型与判别模型 的竞争学习来逐步完成对输入数据的建模。生成模型 Gen 通过输入随机数 z 生成数据，由判别模型 Disc 来判断真假。要求判别模型在输入真实数据时输出 1，在输入由生成模型产生的数据时输出 0，即极大化以下函数； S4 S3 3 -2 -1 S2 1 2 S1 -3 宁波大学 2018 年博士研究生招生考试初试试题 (B 卷 ) (答案必须写在考点提供的答 题 纸上 ) 第 3 页 共 3 页 科目代码 : 3809 科目名称： 智能系统 ； 同时生成模型则以产生出能够“愚弄”判别模型使其以为真的数据为目标，即极小化以下函数： 。 试为这种生成对抗学习建立一个合理的网络结构，并设计合理算法来训练上述生成模型和判别模型。 （ 14%） 8. 设有 海量数据分布在 网络 上的 100 台 计算机 中， 数据的总量远远超过单台计算机的内存和外存大小，请给出 办法高 效 统计出这批数据的 TOP10（即前 10 个最大数据或前 10 个最小数据） 。 （ 12%）
展开阅读全文