人工智能經(jīng)典試題及答案

第S()()xS()()x1x2擴展x2后得到的完整決策樹()(-)()(+)x2x2x2x27-9假設(shè)w1(0)=0.2,w2(0)=0.4,θ(0)=0.3,η=0.4，請用單層感知器完成邏輯或運算的學習過程。解：依據(jù)“或”運算的邏輯關(guān)系，可將問題轉(zhuǎn)換為：輸入向量：X1=[0,0,1,1]X2=[0,1,0,1]輸出向量：[0,1,1,1]由題意可知，初始連接權(quán)值,閾值，以及增益因子的取值分別為：w1(0)=0.2,w2(0)=0.4,θ(0)=0.3，η=0.4即其輸入向量X(0)和連接權(quán)值向量W(0)可分別表示為：X(0)=(-1,x1(0),x2(0))W(0)=(θ(0),w1(0),w2(0))依據(jù)單層感知起學習算法，其學習過程如下：設(shè)感知器的兩個輸入為x1(0)=0和x2(0)=0，其期望輸出為d(0)=0，實際輸出為：y(0)(w1(0)x1(0)+w2(0)x2(0)-θ(0))(0.2*0+0.4*0-0.3)(-0.3)=0實際輸出及期望輸出相同，不須要調(diào)整權(quán)值。再取下一組輸入：x1(0)=0和x2(0)=1，其期望輸出為d(0)=1，實際輸出為：y(0)(w1(0)x1(0)+w2(0)x2(0)-θ(0))(0.2*0+0.4*1-0.3)(0.1)=1實際輸出及期望輸出相同，不須要調(diào)整權(quán)值。再取下一組輸入：x1(0)=1和x2(0)=0，其期望輸出為d(0)=1，實際輸出為：y(0)(w1(0)x1(0)+w2(0)x2(0)-θ(0))(0.2*1+0.4*0-0.3)(-0.1)=0實際輸出及期望輸出不同，須要調(diào)整權(quán)值，其調(diào)整如下：θ(1)=θ(0)+η(d(0)-y(0))*(-1)=0.3+0.4*(1-0)*(-1)=-0.1w1(1)1(0)+η(d(0)-y(0))x1(0)=0.2+0.4*(1-0)*1=0.6w2(1)2(0)+η(d(0)-y(0))x2(0)=0.4+0.4*(1-0)*0=0.4再取下一組輸入：x1(1)=1和x2(1)=1，其期望輸出為d(1)=1，實際輸出為：y(1)(w1(1)x1(1)+w2(1)x2(1)-θ(1))(0.6*1+0.4*1+0.1)(1.1)=1實際輸出及期望輸出相同，不須要調(diào)整權(quán)值。再取下一組輸入：x1(1)=0和x2(1)=0，其期望輸出為d(0)=0，實際輸出為：y(1)(w1(1)x1(1)+w2(1)x2(1)-θ(1))(0.6*0+0.4*0+0.1)(0.1)=1實際輸出及期望輸出不同，須要調(diào)整權(quán)值，其調(diào)整如下：θ(2)=θ(1)+η(d(1)-y(1))*(-1)=-0.1+0.4*(0-1)*(-1)=0.3w1(2)1(1)+η(d(1)-y(1))x1(1)=0.6+0.4*(0-1)*0=0.6w2(2)2(1)+η(d(1)-y(1))x2(1)=0.4+0.4*(0-1)*0=0.4再取下一組輸入：x1(2)=0和x2(2)=1，其期望輸出為d(2)=1，實際輸出為：y(2)(w1(2)x1(2)+w2(2)x2(2)-θ(2))(0.6*0+0.4*1-0.3)(0.1)=1實際輸出及期望輸出相同，不須要調(diào)整權(quán)值。再取下一組輸入：x1(2)=1和x2(2)=0，其期望輸出為d(2)=1，實際輸出為：y(2)(w1(2)x1(2)+w2(2)x2(2)-θ(2))(0.6*1+0.4*0-0.3)(0.3)=1實際輸出及期望輸出相同，不須要調(diào)整權(quán)值。再取下一組輸入：x1(2)=1和x2(2)=1，其期望輸出為d(2)=1，實際輸出為：y(2)(w1(2)x1(2)+w2(2)x2(2)-θ(2))(0.6*1+0.4*1-0.3)(0.7)=1實際輸出及期望輸出相同，不須要調(diào)整權(quán)值。至此，學習過程結(jié)束。最終的得到的閾值和連接權(quán)值分別為：θ(2)=0.3w1(2)=0.6w2(2)=0.4不仿驗證如下：對輸入：“00”有(0.6*0+0.4*0-0.3)(-0.3)=0對輸入：“0