Основы теории нейронных сетей

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

Основы теории нейронных сетей - тест 4