软计算与神经网络基础问题解析

1、模糊逻辑的真值可以是：i) 要么是0要么是1；ii) 小于0或大于1；iii) 在0和1之间；iv) 在 - 1和1之间

iii) 在0和1之间。模糊逻辑的真值是用来表示元素属于模糊集合的程度，这个程度是在0（完全不属于）到1（完全属于）之间，而不是只能取0或1，也不会小于0或大于1，通常也不是在 -1到1之间。

2、以下哪一项不是神经元的组成部分？i) 树突 ii) 轴突 iii) 胞体 iv) 旋酶

iv) 旋酶不是神经元的组成部分，神经元主要由树突、胞体、轴突和突触四部分组成。

3、以下哪一项不是回归技术？i) 多项式回归 ii) 关联回归 iii) 套索回归 iv) 岭回归

ii) 关联回归

4、遗传算法的每次迭代被称为：i) 代 ii) 运行 iii) 项集 iv) 变异

i) 代

5、在关联分析中，置信度 _ ____ i) 确定数据集中项集的总数 ii) 确定项集在数据集中出现的频率 iii) 表示规则被发现为真的频率 iv) 表示平均每笔交易购买的项集数量

iii) 表示规则被发现为真的频率

6、定义软计算，并简要解释软计算的各个组成部分。

软计算概述

软计算是用于执行多种计算操作的重要工具，它使用一个或多个计算模型或技术来生成最优结果。

在任何计算操作中，将输入提供给计算模型以执行一些操作，从而相应地产生结果。在计算的语境中，用于计算的输入称为 前件 ，生成的输出称为 结果 。

软计算的主要组成部分

1. 模糊计算
   - 基于模糊逻辑和模糊集。
   - 模糊逻辑由加州大学伯克利分校的Lotfi Zadeh博士在20世纪60年代提出。
   - 与布尔逻辑只能将输出评估为0（假）或1（真）不同，模糊逻辑基于“真值程度”进行计算。
   - 可考虑0到1之间的任何值，0和1是事实或真值的极端值：

   • 0代表绝对假
   • 1代表绝对真
   • 0到1之间的任何值表示不同的真值水平。

2. 神经网络
   - 包括对多种神经网络系统的研究，如：

   • 人工神经网络（ANN）
   • 卷积神经网络（CNN）

3. 进化计算
   - 涉及广泛的技术，如：

   • 遗传算法（GA）
   • 群体智能

4. 机器学习
   - 其技术主要分为：

   • 监督学习（SL）
   • 无监督学习
   • 强化学习（RL）

5. 其他技术
   - 软计算还涉及多种其他技术，如：

   • 混沌理论
   • 模式识别（PR）
   • 进化推理

7、一个隶属函数至少有一个值等于1的模糊集被称为 _ ___ i) 正规模糊集 ii) 凸模糊集 iii) 支集模糊集 iv) 隶属模糊集

i) 正规模糊集

8、如果模糊集A = {0.6/p, 0/q, 1/r, 0/s, 0.7/t}，模糊集的支集（support）是指隶属度大于0的元素构成的集合，核（core）是指隶属度等于1的元素构成的集合，那么support(A)和core(A)分别是 _ 和 _ 。i) {q, s}, {p, r, t} ii) {q, s}, {r} iii) {q, r, s}, {p, t} iv) {p, r, t}, {r}

iv) {p, r, t}, {r}

9、哪个性质表明一个集合的补集的补集是该集合本身？i) 结合律 ii) 对合律 iii) 交换律 iv) 传递律

ii) 对合律

10、高斯隶属函数由两个参数定义，即 _ _和 _ _。i) 均值，标准差 ii) 均值，模糊化因子 iii) 标准差，模糊化因子 iv) 下边界值，高度

i) 均值，标准差

11、一个S形隶属函数的公式是：�(x) = 1/(1 + e^(-a(x - b))) 、�(x) = e^[-1/2((x - f)/σ)^2] 、�θ = t tan θ 、�S(x) = 1/(1 + x^2) ，请选择正确的S形隶属函数公式。

�(x) = 1/(1 + e^(-a(x - b)))

12、在论域中，元素完全属于集合的区域被称为什么？i) 核 ii) 支集 iii) 边界 iv) 模糊

i) 核

13、在模糊c均值聚类的情况下，哪些值会不断更新直到达到一定的迭代次数？i) 数据点属于各个簇的隶属度值 ii) 各个簇的质心值 iii) 要么是（i）要么是（ii） iv)