模糊集合表示为A=u1/x1+u2/x2+u3/x3+……，其中u代表隶属度，x表示论域元素，式子中的加号和除法和数学中的表示含义相同。

A、X={0.3/a,0.1/b,0.5/c}

B、X=0.3/a+0.2/c

C、X={0.2,0.5,0.4}

D、X={(a,0.1),(b,0.5),(c,0.8)}

A={0，±1，±2，±3，±4}，R₁，R₂为A上的关系，其中，

R1={〈x，y〉|x，y∈A，y-1＜x＜y+2}

R2={〈x，y〉|x，y∈A，x²≤y}

令R_i(x)={y|xR_iy}，i=1，2，求R₁(0)与R₂(3)．

A、最大隶属度法

B、重心法

C、加权平均法

D、以上都是

A、模糊控制的输入一般是误差和误差的变化率

B、模糊控制中首先应该将传感器和设定值偏差通过量化因子转换到离散论域

C、模糊推理的结果通过隶属度最大化原则得到离散论域值，再通过比例因子转换为实际值输出

D、模糊控制隶属度的选取可以随意给定

A、采用误差反向传播的负梯度下降算法调整网络权值

B、BP网络是一种前向网络结构

C、神经网络的层内之间不存在连接

D、前一层的神经元和后一层的神经元存在部分连接关系

A、神经元对信号的抑制作用

B、神经元之间的连接强度

C、神经元对信号的发送作用

D、神经元对输入信号的汇总作用

A、神经网络中单个神经元的破坏不会影响结果，因此具有较好的容错机制

B、神经网络具有并行计算的能力

C、神经网络计算过程中不能省略神经元的阈值参数

D、误差反向传播过程中采用负梯度下降算法