Основы теории нейронных сетей

Упражнение 1:

Номер 1

Алгоритм обучения персептрона – это:

Ответ:

(1) алгоритм "обучения с учителем"

(2) алгоритм "обучения без учителя"

Номер 2

Обучением называют:

Ответ:

(1) процедуру подстройки весовых значений

(2) процедуру подстройки сигналов нейронов

(3) процедуру вычисления пороговых значений для функций активации

Номер 3

Однослойный персептрон решает задачи:

Ответ:

(1) классификации

(2) распознавания образов

(3) аппроксимации функций

Номер 5

На вход однослойного персептрона подается вектор (a₁...a_n). В каком случае выходом будет нулевой вектор?

Ответ:

(1) если для каждого нейрона j будем иметь files

(2) если найдется такой нейрон j, что files

(3) если для каждого нейрона j будем иметь files

(4) если найдется такой нейрон j, что files

Упражнение 2:

Номер 1

Что называется "эпохой" в алгоритме обучения персептрона?

Ответ:

(1) процесс настройки персептрона на одну обучающую пару

(2) один цикл предъявления всей обучающей выборки

(3) полный цикл настройки персептрона на все обучающие пары

Номер 2

Что называется обучающей выборкой для обучения персептрона?

Ответ:

(1) набор входных векторов, для которых заранее известны значения аппроксимируемой функции

(2) набор выходных векторов, являющихся точными значениями аппроксимируемой функции

(3) набор пар входов и выходов, используемых при обучении

Номер 3

Нейронная сеть является обученной, если:

Ответ:

(1) алгоритм обучения завершил свою работу и не зациклился

(2) при запуске обучающих входов она выдает соответствующие обучающие выходы

(3) при подаче на вход некоторого вектора сеть будет выдавать ответ, к какому классу векторов он принадлежит

Номер 4

Алгоритм обучения персептрона завершает свою работу, когда

Ответ:

(1) вектор весов перестает изменяться

(2) абсолютная ошибка станет меньше некоторого малого значения

Номер 5

В каком случае после завершения алгоритма обучения можно сделать вывод, что данный персептрон не смог обучиться?

Ответ:

(1) в силу теоремы сходимости такого быть не может

(2) когда весовые значения стабилизировались, а ошибка выше порога

Упражнение 3:

Номер 1

Запускаем обучающий вектор Х. В каком случае весовые значения не нужно изменять?

Ответ:

(1) если на выходе сеть даст 0

(2) если на выходе сеть даст 1

(3) если сигнал персептрона совпадает с правильным ответом

Номер 2

Подаем на вход персептрона вектор а. В каком случае весовые значения нужно увеличивать?

Ответ:

(1) если на выходе 0, а нужно 1

(2) если на выходе 1, а нужно 0

(3) если сигнал персептрона не совпадает с нужным ответом

(4) всегда, когда на выходе 0

Номер 3

Подаем на вход персептрона вектор a. В каком случае весовые значения нужно уменьшать?

Ответ:

(1) если на выходе 0, а нужно 1

(2) если на выходе 1, а нужно 0

(3) если сигнал персептрона не совпадает с нужным ответом

(4) всегда, когда на выходе 1

Номер 4

Если на данной обучающей паре символ персептрона не совпадает с нужным ответом, то:

Ответ:

(1) нужно изменять все весовые значения

(2) нужно изменять все весовые значения между одновременно активными нейронами

(3) нужно запускать другую обучающую пару

Номер 5

Если на данной обучающей паре сигнал персептрона совпал с нужным ответом, то нужно

Ответ:

(1) перейти к другой обучающей паре

(2) завершить процесс обучения

(3) обнулить все весовые значения

Упражнение 4:

Номер 1

Теорема о сходных персептронах утверждает, что:

Ответ:

(1) если данная задача представляет персептрон, то он способен ей обучиться

(2) алгоритм обучения всегда сходится

(3) найдутся задачи, которым персептроны не смогут обучиться

Номер 2

Теорема о "зацикливании" персептрона утверждает, что:

Ответ:

(1) любой алгоритм обучения зацикливается

(2) если данная задача не представима персептроном, то алгоритм обучения зацикливается

(3) если задача не имеет решения, то алгоритм обучения зацикливается

Номер 3

В каком случае персептрон может обучиться решать данную задачу?

Ответ:

(1) если задача представима персептроном

(2) если задача имеет решение

(3) если задача имеет целое численное решение

Номер 4

Когда алгоритм обучения персептрона зацикливается?

Ответ:

(1) если данная задача непредставима персептроном

(2) если данная задача не имеет решения

(3) если коэффициенты в алгоритме обучения подобраны неверно

Номер 5

Можем ли мы за конечное число шагов после запуска алгоритма обучения персептрона сказать, что персептрон не может обучиться данной задаче?

Ответ:

(1) да

(2) нет

(3) в зависимост от задачи

Упражнение 5:

Номер 1

Если данный персептрон заменить персептроном с целочисленными весами, то:

Ответ:

(1) новый персептрон будет решать более узкую задачу

(2) новый персептрон будет решать ту же самую задачу

(3) новый персептрон будет решать более широкую задачу

Номер 2

Вопрос о выборе шага при применении процедуры обучения решается следующим образом:

Ответ:

(1) веса и порог следует изменять на 1

(2) веса и порог следует изменять на число ≤1

(3) веса и порог следует изменять на целое число

Номер 3

Теорема о двухслойности персептрона утверждает, что:

Ответ:

(1) любой многослойный персептрон может быть представлен в виде двухслойного персептрона

(2) в любом многослойном персептроне могут обучаться только два слоя

(3) способностью к обучению обладают персептроны, имеющие не более двух слоев

Номер 4

Все ли нейроны многослойного персептрона возможно обучить?

Ответ:

(1) да

(2) только нейроны первого слоя

(3) только нейроны последнего слоя

Номер 5

Сколько слоев может содержать персептрон?

Ответ:

(1) один

(2) два

(3) три

(4) любое конечное число

Основы теории нейронных сетей - тест 3