Главная / Искусственный интеллект и робототехника /
Основы теории нейронных сетей / Тест 3
Основы теории нейронных сетей - тест 3
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...an)
. В каком случае выходом будет нулевой вектор?
Ответ:
 
(1) если для каждого нейрона
j
будем иметь
 
 
(2) если найдется такой нейрон
j
, что
 
 
(3) если для каждого нейрона
j
будем иметь
 
 
(4) если найдется такой нейрон
j
, что
 
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