Основы теории нейронных сетей

Упражнение 1:

Номер 1

Ортогонализация исходных образов позволяет:

Ответ:

(1) достигнуть максимальной емкости памяти

(2) избежать локальных минимумов

(3) обеспечить устойчивость сети

Номер 2

При ортогонализации исходных образов отрицательным фактором является:

Ответ:

(1) возможность появления неустойчивости сети

(2) нелокальность сети

(3) значительное повышение затраты вычислительных ресурсов

Номер 3

Метод обучения сети называется локальным, если:

Ответ:

(1) при добавлении нового обучающего вектора не нужно все вычисление производить заново

(2) он предусматривает избежание попадания в локальные минимумы

(3) вычисление весовых значений для каждого нейрона производится локально

Номер 4

Метод отказа от симметрии синапсов позволяет:

Ответ:

(1) достигнуть максимальной емкости памяти

(2) избежать локальных минимумов

(3) обеспечить устойчивость сети

Номер 5

При методе отказа от симметрии синапсов отрицательным фактором является:

Ответ:

(1) возможность появления неустойчивости сети

(2) нелокальность сети

(3) значительное повышение затраты вычислительных ресурсов

Упражнение 2:

Номер 1

Алгоритмы разобучения применяются для:

Ответ:

(1) "забывания" ложных образов

(2) "забывания" некорректных весовых изменений

(3) "забывания" повторяющихся обучающих пар

Номер 2

В алгоритме разобучения в качестве степени забывания выбирают достаточно малое число для того, чтобы:

Ответ:

(1) гарантировать незначительное ухудшение полезной информации

(2) не наступил сетевой паралич

(3) более точно аппроксимировать данную функцию

Номер 3

Непрерывная сеть Хопфилда является устойчивой, если:

Ответ:

(1) она имеет симметричную матрицу весов с нулями по главной диагонали

(2) она имеет симметричную матрицу весов с единицами по главной диагонали

(3) она способна аппроксимировать данную функцию

Номер 4

Есть ли вероятность того, что в алгоритме разобучения сеть "забудет" правильный образ?

Ответ:

(1) да

(2) нет

(3) в зависимости от задачи

Номер 5

Если в непрерывной сети Хопфилда коэффициент, определяющий крутизну сигмовидной функции, взять достаточно большим, то:

Ответ:

(1) сеть будет функционировать подобно дискретной сети Хопфилда

(2) сеть станет неустойчивой

(3) сходимость сети станет неочевидной

Упражнение 3:

Номер 1

Метод машины Больцмана позволяет сети Хопфилда:

Ответ:

(1) избежать локальных минимумов

(2) избежать сетевого паралича

(3) ускорить процесс обучения

Номер 2

В методе машины Больцмана изменение состояний нейронов обусловлено:

Ответ:

(1) статическими закономерностями

(2) детерминированными закономерностями

Номер 3

В статической сети Хопфилда вероятность изменения веса является функцией от:

Ответ:

(1) величины, на которую выход OUT превышает заданный порог

(2) разности между целевым и фактическим значением выхода сети

(3) искусственной температуры

Номер 4

Если статическая сеть Хопфилда обладает большой искусственной температурой, то более вероятными становятся:

Ответ:

(1) более большие изменения состояний нейронов

(2) более мелкие изменения состояний нейронов

Номер 5

Если статическая сеть Хопфилда обладает низкой искусственной температурой, то более вероятными становятся:

Ответ:

(1) более большие изменения состояний нейронов

(2) более мелкие изменения состояний нейронов

Упражнение 4:

Номер 1

Обучение обобщенной машины Больцмана является:

Ответ:

(1) "обучением с учителем"

(2) "обучением без учителя"

Номер 2

В алгоритме обучения обобщенной машины Больцмана закрепленные вероятности вычисляются, когда:

Ответ:

(1) входным и выходным нейронам придают значения из обучающего множества

(2) сеть начинает работать со случайного значения

(3) входным значениям приписываются равные, довольно малые значения

Номер 3

В алгоритме обучения обобщенной машины Больцмана незакрепленные вероятности вычисляются, когда:

Ответ:

(1) входным и выходным нейронам придают значения из обучающего множества

(2) сеть начинает работать со случайного значения

(3) входным значениям приписываются равные, довольно малые значения

Номер 4

В алгоритме обучения обобщенной машины Больцмана вычисление закрепленных вероятностей начинается после:

Ответ:

(1) запуска каждой обучающей пары

(2) после запуска всех обучающих пар

(3) конечного числа запусков сети с некоторого случайного значения

(4) после однократного запуска сети с некоторого случайного значения

Номер 5

В алгоритме обучения обобщенной машины Больцмана вычисление незакрепленных вероятностей начинается после:

Ответ:

(1) запуска каждой обучающей пары

(2) запуска всех обучающих пар

(3) конечного числа запусков сети с некоторого случайного значения

(4) однократного запуска сети с некоторого случайного значения

Упражнение 5:

Номер 1

В алгоритме обучения обобщенной машины Больцмана изменение весовых значений:

Ответ:

(1) зависит от закрепленной вероятности

(2) зависит от незакрепленной вероятности

(3) вычисляется по дельта-правилу

(4) зависит от числа итераций

Номер 2

Сколько нейронов необходимо для реализации задачи коммивояжера, где n - число городов?

Ответ:

(1) n нейронов

(2) 2n нейронов

(3) n² нейронов

(4) n! нейронов

Номер 3

В задаче коммивояжера каждый город представляется:

Ответ:

(1) одним нейроном

(2) одним слоем нейронов

(3) строкой из n нейронов, где n - число городов

Номер 4

Задачей аналого-цифрового преобразователя является то, что:

Ответ:

(1) непрерывно растущее напряжение, подаваемое на вход сети, порождало числовое значение данного напряжения

(2) непрерывно растущее напряжение, подаваемое на вход сети, порождало числовое значение сопротивления, соответствующего данному напряжению

Номер 5

В аналого-цифровом преобразователе  весовые значения интерпретируют:

Ответ:

(1) напряжение

(2) сопротивление

(3) усилители

Основы теории нейронных сетей - тест 9