Главная / Искусственный интеллект и робототехника /
Нейрокомпьютерные системы / Тест 6
Нейрокомпьютерные системы - тест 6
Упражнение 1:
Номер 1
На каком этапе алгоритма обратного распространения ошибки вычисляются производные функций активации нейронов многослойной сети?
Ответ:
 (1) при прямом распространении сигналов 
 (2) при обратном распространении ошибки 
Номер 2
В каком направлении осуществляется минимизация целевой функции в алгоритме обратного распространения ошибки?
Ответ:
 (1) в направлении градиента целевой функции 
 (2) в направлении антиградиента целевой функции 
Номер 3
Зависят ли выходные сигналы скрытых слоев оригинальной нейронной сети от весовых коэффициентов нейронов выходного слоя?
Ответ:
 (1) да 
 (2) нет 
Упражнение 2:
Номер 1
В чем заключается цель одномерной оптимизации?
Ответ:
 (1) выбор направления минимизации целевой функции в пространстве весовых коэффициентов 
 (2) выбор величины шага в заданном направлении (подбор коэффициента обучения) 
Номер 2
Что подается на входы сети обратного распространения?
Ответ:
 (1) фактические выходные сигналы оригинальной нейронной сети 
 (2) отклонения фактических выходных сигналов оригинальной нейронной сети от ожидаемых 
Номер 3
На чем основан поиск минимума целевой функции в заданном направлении?
Ответ:
 (1) на случайном переборе значений коэффициента обучения 
 (2) на полиномиальной аппроксимации целевой функции 
Упражнение 3:
Номер 1
Что может вызвать неправильный выбор диапазона случайных значений весов?
Ответ:
 (1) слишком раннее насыщение нейронов 
 (2) слишком позднее насыщение нейронов 
 (3) колебания выходных сигналов нейронов 
Номер 2
К чему может привести чрезмерное увеличение коэффициента обучения?
Ответ:
 (1) к резкому возрастанию значения целевой функции (погрешности обучения) 
 (2) к насыщению нейронов 
Номер 3
Чем обусловлена возможность попадания целевой функции многослойной сигмоидальной сети в седловую зону?
Ответ:
 (1) насыщением сигмоидальной функции активации 
 (2) наличием скрытых слоев 
Упражнение 4:
Номер 1
Когда завершается действие алгоритма обратного распространения?
Ответ:
 (1) когда фактические выходные сигналы совпадут с заданными 
 (2) когда норма градиента целевой функции упадет ниже априори заданного значения, характеризующего точность процесса обучения 
Номер 2
В каком интервале обычно лежат модули допустимых начальных значений весовых коэффициентов сети?
Ответ:
 (1) (0,1) 
 (2) (1,2) 
 (3) (2,3) 
Номер 3
Как влияет увеличение числа входов нейронов на выбор начальных значений их весовых коэффициентов (кроме порогов)?
Ответ:
 (1) приводит к уменьшению модулей весовых коэффициентов 
 (2) приводит к увеличению модулей весовых коэффициентов 
Упражнение 5:
Номер 1
Что способствует ускорению процесса обучения сети?
Ответ:
 (1) увеличение коэффициента обучения 
 (2) уменьшение коэффициента обучения 
Номер 2
Какую операцию следует выполнить в алгоритме обратного распространения там, где дуги сходятся к одной вершине?
Ответ:
 (1) сложение произведений, полученных на этих дугах 
 (2) перемножение произведений, полученных на этих дугах 
Номер 3
Почему следует избегать насыщения нейронов?
Ответ:
 (1) нейрон, попавший в состояние насыщения, не участвует в преобразовании данных 
 (2) нейрон, попавший в состояние насыщения, делает сеть неработоспособной