Основы теории нейронных сетей

Упражнение 1:

Номер 1

К переобучению склонны сети с:

Ответ:

(1) большим числом весов

(2) большим числом слоев

(3) малым числом весов

(4) малым числом слоев

Номер 2

Какая сеть может оказаться недостаточно гибкой, для того чтобы смоделировать имеющуюся зависимость?

Ответ:

(1) сеть с большим числом весов

(2) сеть с большим числом слоев

(3) сеть с малым числом весов

(4) сеть с малым числом слоев

Номер 3

Проблема переобучения заключается в:

Ответ:

(1) слишком близкой подгонке к имеющимся значениям обучающего множества

(2) увеличении точности вычислений за счет большого увеличения необходимого для обучения времени

(3) минимизации локальных ошибок в ущерб минимизации глобальной ошибки

Номер 4

Если сеть имеет очень большое число нейронов в скрытых слоях, то:

Ответ:

(1) возможно переобучение сети

(2) сеть может оказаться недостаточно гибкой для решения поставленной задачи

(3) время, необходимое на обучение сети, минимально

Номер 5

Если сеть имеет небольшое число нейронов в скрытых слоях, то:

Ответ:

(1) возможно переобучение сети

(2) сеть может оказаться недостаточно гибкой для решения поставленной задачи

(3) время, необходимое на обучение сети, может оказаться очень большим

Упражнение 2:

Номер 1

При методе кросс-проверки считается, что множество обучающихся пар некорректно разделено на две части, если:

Ответ:

(1) в начале работы ошибки сети на обучающем и контрольном множествах существенно отличаются

(2) в начале работы ошибка сети на обучающем и контрольном множествах практически не отличались

(3) ошибка сети на обучающем множестве убывает быстрее, чем на контрольном множестве

Номер 2

При методе кросс-проверки считается, что множество обучающихся пар корректно разделено на две части, если:

Ответ:

(1) в начале работы ошибки сети на обучающем и контрольном множествах существенно отличаются

(2) в начале работы ошибки сети на обучающем и контрольном множествах практически не отличались

(3) ошибка сети на обучающем множестве убывает быстрее, чем на контрольном множестве

Номер 3

При методе кросс-проверки считается, что сеть начала переобучаться, если:

Ответ:

(1) ошибка сети на контрольном множестве стала расти

(2) ошибка сети на контрольном множестве перестала убывать

(3) алгоритм обратного распространения зациклился

Номер 4

Механизм контрольной кросс-проверки необходим для того, чтобы:

Ответ:

(1) оградить сеть от возможности переобучения

(2) проверить точность вычислений, производимых сетью

(3) определить оптимальное число слоев и нейронов

Номер 5

Механизм контрольной кросс-проверки заключается в:

Ответ:

(1) разделении множества обучающих пар на две части для поочередного запуска алгоритма обратного распространения то на одной, то на другой части

(2) резервировании части обучающих пар и использовании их для независимого контроля процесса обучения

(3) циклическом использовании множества обучающих пар

Упражнение 3:

Номер 1

Если сеть слишком близко подгоняет выходные значения к имеющимся обучающим значениям, то:

Ответ:

(1) сеть может попасть в локальный минимум

(2) может возникнуть паралич сети

(3) процесс сходимости начнет происходить слишком медленно

Номер 2

Сеть начала переобучаться, если:

Ответ:

(1) ошибка сети на контрольном множестве стала расти

(2) контрольное множество задано некорректно

(3) в сети имеется слишком много скрытых слоев

Номер 3

Тестовое множество необходимо для:

Ответ:

(1) тестирования уже отлаженной сети

(2) тестирования сети после отработки контрольного множества

(3) тестирования сети после каждого цикла обучения

Номер 4

Чем тестовое множество отличается от контрольного множества?

Ответ:

(1) тестовое множество используется только один раз

(2) тестовое множество является подмножеством контрольного множества

(3) тестовое множество используется всякий раз, когда ошибка сети на контрольном множестве начинает расти

Номер 5

Если ошибка сети на контрольном множестве стала расти, это означает, что:

Ответ:

(1) сеть начала переобучаться

(2) контрольное множество задано некорректно

(3) в сети недостает слоев или нейронов для решения данной задачи

Упражнение 4:

Номер 1

Дискриминантной функцией называется:

Ответ:

(1) функция, равная единице в той области пространства объектов, где располагаются объекты из нужного класса, и равная нулю вне этой области

(2) активационная функция, используемая в многослойном персептроне

(3) функция, моделирующая пространство решений данной задачи

Номер 2

Если нейронная сеть не содержит скрытых элементов, то она:

Ответ:

(1) моделирует одинарный "сигмовидный склон"

(2) служит классификатором только в линейно-отделимых задачах

(3) моделирует конечное число "сигмовидных склонов"

Номер 3

Если сеть содержит один промежуточный слой, то она моделирует:

Ответ:

(1) один "сигмовидный склон"

(2) по одному "сигмовидному склону" для каждого скрытого элемента

(3) одну выпуклую "взвешенность"

Номер 4

Если сеть содержит два промежуточных слоя, то она моделирует:

Ответ:

(1) по одному "сигмовидному склону" для каждого скрытого элемента

(2) одну выпуклую "взвешенность"

(3) по одной выпуклой "взвешенности" для каждого скрытого элемента первого слоя

(4) по одной выпуклой "взвешенности" для каждого скрытого элемента второго слоя

Номер 5

Для решения любой задачи классификации достаточно иметь:

Ответ:

(1) многослойный персептрон с двумя промежуточными слоями

(2) многослойный персептрон с тремя промежуточными слоями

(3) многослойный персептрон с достаточно большим числом скрытых элементов

Упражнение 5:

Номер 1

Паралич сети может наступить, когда:

Ответ:

(1) весовые значения становятся очень большими

(2) весовые значения становятся очень маленькими

(3) размер шага становится очень большой

(4) размер шага становится очень маленький

Номер 2

Чтобы избежать паралича сети, необходимо:

Ответ:

(1) уменьшить весовые значения

(2) увеличить весовые значения

(3) уменьшить размер шага

(4) увеличить размер шага

Номер 3

Если размер шага очень мал, то:

Ответ:

(1) процесс сходимости происходит слишком медленно

(2) может возникнуть паралич сети

(3) может возникнуть постоянная неустойчивость сети

Номер 4

Если размер шага очень большой, то:

Ответ:

(1) процесс сходимости происходит слишком медленно

(2) может возникнуть паралич сети

(3) может возникнуть постоянная неустойчивость сети

Номер 5

Если сеть находится в постоянно меняющейся внешней среде, то:

Ответ:

(1) процесс обучения может никогда не сойтись

(2) может возникнуть паралич сети

(3) процесс обучения станет происходить слишком медленно

Основы теории нейронных сетей - тест 5