Главная / Искусственный интеллект и робототехника /
Нейрокомпьютерные системы / Тест 15
Нейрокомпьютерные системы - тест 15
Упражнение 1:
Номер 1
Какие из перечисленных ниже свойств присущи традиционным (четким) нейронным сетям?
Ответ:
 (1) способность к обучению 
 (2) высокая степень параллелизма 
 (3) надежность 
 (4) простота объяснения полученных результатов 
Номер 2
Какие методы включает в себя вычислительный интеллект (мягкие вычисления)?
Ответ:
 (1) нейрокомпьютинг 
 (2) синтаксический анализ 
 (3) нечеткую логику 
 (4) метод ветвей и границ 
 (5) генетические вычисления 
Номер 3
Какие из следующих особенностей отличают мягкие экспертные системы от нечетких?
Ответ:
 (1) представление знаний в форме нечетких продукций 
 (2) представление знаний в виде обученных нейронных сетей 
 (3) представление знаний в виде лингвистических переменных 
 (4) применение генетических алгоритмов 
Упражнение 2:
Номер 1
Какой из модулей системы нечеткого вывода суммирует результаты срабатывания произвольного множества правил вывода?
Ответ:
 (1) фазификатор 
 (2) агрегатор 
 (3) дефазификатор 
Номер 2
Какие слои сети TSK выполняют фазификацию переменных?
Ответ:
 (1) первый 
 (2) второй 
 (3) третий 
 (4) четвертый 
 (5) пятый 
Номер 3
Какая из функций принадлежности обладает наибольшим числом параметров?
Ответ:
 (1) функция Гаусса 
 (2) треугольная 
 (3) трапецеидальная 
Упражнение 3:
Номер 1
Параметры какой функции рассчитываются при обучении нечетких нейронных сетей?
Ответ:
 (1) фазификации 
 (2) агрегирования 
 (3) дефазификации 
Номер 2
В каких слоях сети TSK производится настройка параметров при обучении?
Ответ:
 (1) первый 
 (2) второй 
 (3) третий 
 (4) четвертый 
 (5) пятый 
Номер 3
Какая из форм произведения функций принадлежности использует операцию выбора минимального значения?
Ответ:
 (1) логическое произведение 
 (2) алгебраическое произведение 
Упражнение 4:
Номер 1
Какие параметры сети ТСК изменяются в процессе обучения?
Ответ:
 (1) параметры полинома ТСК 
 (2) параметры матрицы весов второго слоя 
 (3) параметры функций принадлежности 
Номер 2
Почему модель Мамдани-Заде называют нечеткой нейронной сетью?
Ответ:
 (1) в модели используется нечеткий вывод 
 (2) модель можно представить в виде многослойной структуры, напоминающей структуру классических нейронных сетей 
 (3) модель использует сигмоидальную функцию активации 
Номер 3
Что утверждает принцип "конструктивной неопределенности"?
Ответ:
 (1) точность и смысл противоречат друг другу, начиная с некоторого момента анализа 
 (2) точность и смысл дополняют друг друга, начиная с некоторого момента анализа 
Упражнение 5:
Номер 1
Каким методом можно выполнить дефазификацию нечеткого множества?
Ответ:
 (1) дефазификация относительно центра 
 (2) дефазификация относительно среднего центра 
 (3) дефазификация относительно среднего минимума 
 (4) дефазификация относительно среднего максимума 
Номер 2
Какая функция фазификации используется в сети ТСК?
Ответ:
 (1) функция Гаусса 
 (2) треугольная 
 (3) трапецеидальная 
 (4) функция вида μA(x) = 1/(1+((x-C)/σ)2b) 
Номер 3
Какие части должна содержать база знаний мягкой экспертной системы?
Ответ:
 (1) функции принадлежности 
 (2) нечеткие продукции 
 (3) рекуррентные нейронные сети  
 (4) нечеткие нейронные сети 
 (5) сети АРТ  
 (6) процедуры интерпретации хромосом генетических алгоритмов 
 (7) функции оптимальности