Главная / Искусственный интеллект и робототехника /
Основы теории нейронных сетей / Тест 9
Основы теории нейронных сетей - тест 9
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