Главная / Искусственный интеллект и робототехника /
Основы теории нейронных сетей / Тест 4
Основы теории нейронных сетей - тест 4
Упражнение 1:
Номер 1
Какой должна быть активационная функция, для того чтобы возможно было применять алгоритм обратного распространения?
Ответ:
 (1) всюду дифференцируемой 
 (2) непрерывной 
 (3) сжимающей 
 (4) разжимающей 
Номер 2
Обобщенным многослойным персептроном называется:
Ответ:
 (1) многослойная сеть обратного распространения 
 (2) многослойная сеть прямого распространения 
 (3) персептрон Розенблатта с произвольным числом входов и выходов 
Номер 3
Входным слоем обобщенного многослойного персептрона называется:
Ответ:
 (1) слой, состоящий из элементов, которые только принимают входную информацию и распространяют ее по сети 
 (2) первый слой нейронов данной сети 
 (3) слой, не производящий вычислений 
Номер 4
Скрытым слоем обобщенного многослойного персептрона называется:
Ответ:
 (1) слой, состоящий из элементов, которые только принимают входную информацию и распространяют ее по сети 
 (2) слой, не являющийся ни входным, ни выходным 
 (3) слой, не производящий вычислений 
Номер 5
Выходным слоем обобщенного многослойного персептрона называется:
Ответ:
 (1) слой, состоящий из элементов, которые только выдают выходную информацию из сети 
 (2) последний слой сети 
 (3) слой, не производящий вычислений 
Упражнение 2:
Номер 1
Какое минимальное количество слоев должна иметь нейронная сеть, для того чтобы к ней возможно было применить алгоритм обратного распространения?
Ответ:
 (1) один 
 (2) два 
 (3) три 
 (4) четыре 
Номер 2
Обучающей парой называется пара векторов,...
Ответ:
 (1) первый из которых является входным вектором, а второй – соответствующим ему выходным вектором 
 (2) которые должна выдавать обученная нейронная сеть 
 (3) которые подаются на вход сети во время алгоритма обучения 
Номер 3
Обучающим множеством называется:
Ответ:
 (1) множество обучающих пар 
 (2) множество векторов, которые подаются на вход сети во время алгоритма обучения 
 (3) множество векторов, которые должна выдавать обученная нейронная сеть 
Номер 4
Какие весовые значения должны быть навешаны на сеть до начала процедуры обучения?
Ответ:
 (1) небольшие, выбранные случайным образом 
 (2) небольшие, равные 
 (3) нулевые 
Номер 5
Если до начала процедуры обучения по алгоритму обратного распространения все весовые значения сети сделать равными, то
Ответ:
 (1) сеть, скорее всего, не обучится 
 (2) процесс обучения будет замедлен 
 (3) процесс обучения будет ускорен 
Упражнение 3:
Номер 1
Какие из перечисленных ниже шагов в алгоритме обратного распространения являются шагами "прохода вперед"?
Ответ:
 (1) выбрать очередную обучающую пару из обучающего множества; подать входной вектор на вход сети 
 (2) вычислить выход сети 
 (3) вычислить разность между выходом сети и требуемым выходом (целевым вектором обучающей пары) 
 (4) подкорректировать веса сети так, чтобы минимизировать ошибку 
 (5) повторять шаги с 1 по 4 для каждого вектора обучающего множества до тех пор, пока ошибка на всем множестве не достигнет приемлемого уровня 
Номер 2
Какие из перечисленных ниже шагов в алгоритме обратного распространения являются шагами "обратного прохода"?
Ответ:
 (1) выбрать очередную обучающую пару из обучающего множества; подать входной вектор на вход сети 
 (2) вычислить выход сети 
 (3) вычислить разность между выходом сети и требуемым выходом (целевым вектором обучающей пары) 
 (4) подкорректировать веса сети так, чтобы минимизировать ошибку 
 (5) повторять шаги с 1 по 4 для каждого вектора обучающего множества до тех пор, пока ошибка на всем множестве не достигнет приемлемого уровня 
Номер 3
В алгоритме обратного распространения при "проходе вперед"
Ответ:
 (1) вычисляется значение сети на обучающей паре 
 (2) вычисляется ошибка сети 
 (3) корректируются весовые значения сети 
Номер 4
В алгоритме обратного распространения при "проходе вперед"
Ответ:
 (1) вычисляется значение сети на обучающей паре 
 (2) вычисляется ошибка сети 
 (3) корректируются весовые значения сети 
Номер 5
Алгоритм обратного распространения работает, пока:
Ответ:
 (1) ошибка на всем обучающем множестве не достигнет приемлемого уровня 
 (2) ошибка на данной обучающей паре не достигнет приемлемого уровня 
 (3) все обучающие пары не будут использованы заданное число раз 
Упражнение 4:
Номер 1
Сигналом ошибки данного выходного нейрона называется:
Ответ:
 (1) разность между выходом нейрона и его целевым значением 
 (2) производная активационной функции 
 (3) величина OUT
для нейрона, подающего сигнал на данный выходной нейрон 
Номер 2
При обучении выходного нейрона величина δ
является:
Ответ:
 (1) разностью между выходом нейрона и его целевым значением 
 (2) произведением производной активационной функции на сигнал ошибки 
 (3) суммированием величин δ
для нейронов последующих слоев и умножением полученной величины на активационную функцию 
Номер 3
При обучении скрытого нейрона величина δ
является:
Ответ:
 (1) разностью между выходом нейрона и его целевым значением 
 (2) произведением производной активационной функции на сигнал ошибки 
 (3) суммированием величин δ
для нейронов последующих слоев и умножением полученной величины на активационную функцию 
Номер 4
Алгоритм обратного распространения заканчивает свою работу, когда:
Ответ:
 (1) сигнал ошибки становится ниже заданного порога 
 (2) величина δ
становится ниже заданного порога 
 (3) величина Δw
для каждого нейрона становится ниже заданного порога 
Номер 5
Чем отличается обучение скрытого нейрона от обучения выходного нейрона?
Ответ:
 (1) для скрытого нейрона нельзя вычислить сигнал ошибки 
 (2) для скрытого нейрона не известно целевое значение 
 (3) для скрытого нейрона нужно учитывать номер слоя, в котором он находится 
Упражнение 5:
Номер 1
Добавление нейронного смещения позволяет:
Ответ:
 (1) увеличить скорость обучения 
 (2) увеличить точность обучения 
 (3) уменьшить необходимые вычислительные ресурсы 
Номер 2
Метод импульса позволяет:
Ответ:
 (1) увеличить скорость обучения 
 (2) увеличить точность обучения 
 (3) уменьшить необходимые вычислительные ресурсы 
Номер 3
Метод импульса заключается в:
Ответ:
 (1) добавлении к коррекции веса значения, пропорционального величине предыдущего изменения веса 
 (2) умножении коррекции веса на значение, пропорциональное величине предыдущего изменения веса 
 (3) использовании производных второго порядка 
Номер 4
Метод ускорения сходимости заключается в:
Ответ:
 (1) добавлении к коррекции веса значения, пропорционального величине предыдущего изменения веса 
 (2) умножении коррекции веса на значение, пропорциональное величине предыдущего изменения веса 
 (3) использовании производных второго порядка 
Номер 5
Добавление к коррекции веса значения, пропорционального величине предыдущего изменения веса, используется при методе:
Ответ:
 (1) добавления нейронного смещения 
 (2) импульса 
 (3) экспоненциального сглаживания 
 (4) ускорения сходимости