Основы теории нейронных сетей

Упражнение 1:

Номер 1

Принцип работы слоя Кохонена заключается в том, что:

Ответ:

(1) для данного входного вектора только один нейрон слоя Кохонена выдает на выходе единицу

(2) для данного входного вектора только один нейрон слоя Кохонена выдает на входе ноль

(3) для данного входного вектора не активизируется только один нейрон слоя Кохонена

Номер 2

"Победителем" считается нейрон Кохонена

Ответ:

(1) с максимальным значением величины NET

(2) с максимальным значением величины OUT

(3) с минимальным значением величины NET

(4) с минимальным значением величины OUT

Номер 3

Если данный нейрон Кохонена является "победителем", то его значение OUT

Ответ:

(1) равно нулю

(2) равно единице

(3) является максимальным среди всех значений OUT нейронов слоя Кохонена

Номер 4

Значением NET нейрона слоя Гроссберга является:

Ответ:

(1) весовое значение, связывающее данный нейрон с нейроном-победителем из слоя Кохонена

(2) максимальное весовое значение, связывающее данный нейрон с нейронами слоя Кохонена

(3) минимальное весовое значение, связывающее данный нейрон с нейронами слоя Кохонена

Номер 5

По принципу "победитель забирает все" действуют:

Ответ:

(1) нейроны слоя Кохонена

(2) нейроны слоя Гроссберга

Упражнение 2:

Номер 1

Задачей слоя Кохонена является:

Ответ:

(1) классификация группы входных векторов

(2) определение меры сходства входного вектора с данным эталоном

(3) нахождение нейрона-победителя

Номер 2

При обучении слоя Кохонена подстраиваются весовые значения:

Ответ:

(1) всех нейронов слоя

(2) только нейрона-победителя

(3) всех нейронов, кроме нейрона-победителя

Номер 3

При обучении слоя Кохонена процесс обучения состоит в:

Ответ:

(1) выборе нейрона с весовым вектором, наиболее близким к входному вектору

(2) выборе нейрона с весовым вектором, имеющим максимальное значение

(3) отбрасывании нейронов с нулевыми весовыми значениями

Номер 4

В процессе обучения слоя Кохонена "победителем" объявляется нейрон

Ответ:

(1) для которого скалярное произведение весового вектора на входной вектор принимает максимальное значение

(2) имеющий наибольшее значение модуля весового вектора

(3) имеющий максимальное значение величины NET

Номер 5

Если в обучающее множество входит множество сходных между собой векторов, то сеть должна научиться:

Ответ:

(1) активировать один и тот же нейрон Кохонена, вектор весовых значений которого является усреднением данного множества сходных векторов

(2) активировать один и тот же нейрон Кохонена, вектор весовых значений которого равен максимальному среди сходных векторов

(3) сопоставлять каждому входному вектору отдельный нейрон

Упражнение 3:

Номер 1

Метод выпуклой комбинации заключается в том, что в начале процесса обучения всем весам  слоя Кохонена присваиваются:

Ответ:

(1) небольшие случайные значения

(2) одно и то же фиксированное значение

(3) в добавлении шума к входным векторам

Номер 2

Модификация алгоритма обучения методом "чувства справедливости" заключается в:

Ответ:

(1) занижении весовых значений тех нейронов, которые очень часто "побеждают"

(2) блокировании нейронов, которые очень часто побеждают

(3) повышении весовых значений тех нейронов, которые очень редко "побеждают"

Номер 3

Метод коррекции весов пропорционально входу заключается в:

Ответ:

(1) модификации не только "победившего" нейрона, но и всех остальных

(2) модификации "победившего" нейрона пропорционально поданному на сеть входному вектору

(3) модификации не только "победившего", но и "проигравшего" нейрона

Номер 4

Метод аккредитации заключается в:

Ответ:

(1) активировании лишь одного нейрона Кохонена, имеющего наибольшее значение NET

(2) активировании группы нейронов Кохонена, имеющих максимальные значения NET

(3) активировании двух нейронов, имеющих наибольшее и наименьшее значения NET

Номер 5

Метод интерполяции заключается в:

Ответ:

(1) активировании лишь одного нейрона Кохонена, имеющего наибольшее значение NET

(2) активировании группы нейронов Кохонена, имеющей максимальные значения NET

(3) активировании двух нейронов, имеющих наибольшее и наименьшее значения NET

Упражнение 4:

Номер 1

Обучение слоя Гроссберга является:

Ответ:

(1) "обучением с учителем"

(2) "обучением без учителя"

Номер 2

Обучение сети встречного распространения является:

Ответ:

(1) "обучением с учителем"

(2) "обучением без учителя"

Номер 3

Обучение слоя Кохонена является:

Ответ:

(1) "обучением с учителем"

(2) "обучением без учителя"

Номер 4

При обучении сети встречного распространения  обучающей парой является:

Ответ:

(1) пара одинаковых векторов

(2) четверка векторов, из которых два вектора являются входом сети и два других вектора – соответствующим выходом

(3) пара векторов, из которых второй (выходной) вектор является кодом класса, к которому принадлежит первый (входной) вектор

Номер 5

Если в алгоритме обучения сети встречного распространения на вход сети подается вектор x, то желаемым выходом является

Ответ:

(1) двоичный вектор, интерпритирующий номер класса, которому принадлежит вектор x

(2) вектор y, являющийся эталоном для всех векторов, сходных с вектором x

(3) сам вектор x

Упражнение 5:

Номер 1

Сеть встречного распространения считается обученной, если:

Ответ:

(1) подавая на вход вектора x и y , на выходе мы будем получать их копию

(2) подавая на вход вектора x и y , на выходе мы будем получать меру их сходства

(3) подавая на вход вектор x, на выходе мы будем получать номер класса, которому он принадлежит

Номер 2

Если на вход обученной сети встречного распространения подать частично обнуленный вектор, то на выходе мы получим:

Ответ:

(1) полностью восстановленный вектор

(2) номер класса полностью восстановленного вектора

(3) копию поданного на вход частично обнуленного вектора

Номер 3

Способна ли сеть встречного распространения аппроксимировать обратимые функции?

Ответ:

(1) да

(2) нет

(3) в зависимости от задачи

Номер 4

Пусть F - обратимая функция и F(x)=y. Если сеть встречного распространения обучена аппроксимировать эту функцию, то, если на вход подать только вектор x , на выходе мы получим:

Ответ:

(1) пару векторов x и y

(2) вектор x

(3) вектор y

Номер 5

Пусть F - обратимая функция и F(x)=y. Если сеть встречного распространения обучена аппроксимировать эту функцию, то, если на вход подать только вектор y, на выходе мы получим:

Ответ:

(1) пару векторов x и y

(2) вектор x

(3) вектор y

Основы теории нейронных сетей - тест 6