Нейрокомпьютинг и его применения в экономике и бизнесе

Упражнение 1:

Номер 1

Какие типы кодирования информации применяются в нейрокомпьютинге?

Ответ:

(1) понижение размерности данных

(2) квантование данных

(3) выделение типов данных

Номер 2

При понижении размерности сколько слоев должны содержать нелинейные автоассоциативные сети?

Ответ:

(1) не более трех скрытых слоев нейронов

(2) три скрытых слоев нейронов

(3) минимум три скрытых слоев нейронов

Упражнение 2:

Номер 1

Чему равна совместная энтропия входов и их кодового представления в автоассоциативной сети

Ответ:

(1) параметрам сети

(2) числу бит, требуемых для описания данных

(3) энтропии самих входов

Номер 2

Соревновательный слой нейронов широко используется…

Ответ:

(1) для квантования данных

(2) для кластеризации данных

(3) как для квантования, так и для кластеризации данных

Номер 3

Какой тип уменьшения избыточности позволяет снизить разнообразие данных, уменьшая число бит, требуемых для описания данных?

Ответ:

(1) понижение размерности

(2) кластеризация

(3) квантование

Упражнение 3:

Номер 1

В каких сетях учителем для выхода является значение входа?

Ответ:

(1) самообучающиеся сети

(2) аппроксимационные сети

(3) автоассоциативные сети

Номер 2

Какую функцию выполняет первый скрытый слой автоассоциативной сети?

Ответ:

(1) выдача сжатого представления данных

(2) осуществление произвольного нелинейного кодирования

(3) нахождение соответствующего декодера

Номер 3

В автоассоциативной сети размер сетей - предикторов определяется…

Ответ:

(1) суммарным количеством входов и выходов сети

(2) количеством выходов сети

(3) размеров декодера

Упражнение 4:

Номер 1

За счет чего максимизируется выходная информация соревновательного слоя нейронов?

Ответ:

(1) за счет равномерного распределения многомерных входных векторов

(2) за счет ячеек Воронова

(3) за счет равномерной загрузки нейронов

Номер 2

На чем основывается обучение отдельного нейрона-индикатора?

Ответ:

(1) на информации непосредственно доступной самому нейрону

(2) на информации непосредственно доступной из скрытого слоя

(3) на информации непосредственно доступной от соседних нейронов

Номер 3

Увеличить входную информацию можно…

Ответ:

(1) уменьшением числа нейронов

(2) наращиванием числа нейронов

(3) усреднением числа нейронов

Упражнение 5:

Номер 1

Декодер автоассоциативной сети опирается…

Ответ:

(1) на выход значений своих входов

(2) на кодированную информацию скрытых слоев нейронов

(3) на кодированную информацию в узком горле сети

Номер 2

Для сжатия информации можно использовать…

Ответ:

(1) квантование данных

(2) метод предикторов

(3) латеральные связи

Номер 3

Для визуализации многомерной информации применяется…

Ответ:

(1) алгоритм Ойа

(2) алгоритм Кохонена

(3) алгоритм Хебба

Упражнение 6:

Номер 1

Какой слой будет осуществлять оптимальное кодирование данных?

Ответ:

(1) скрытый слой автоассоциативной сети с узким горлом

(2) самообучающийся слой Ойа

(3) скрытый слой, расположенный в гипер-сфере

Номер 2

Что позволяет нейрону быть более чувствительным к различиям входной информации?

Ответ:

(1) минимизация амплитуды выхода

(2) минимизация амплитуды входа

(3) максимизация амплитуды выхода

Номер 3

Что такое максимальная энтропия?

Ответ:

(1) статистическое распределение данных неотличимо от случайного шума

(2) анализ главных компонентов не способен выявить одномерный характер данных

(3) распределение данных в обучающей выборке не поддается максимальному сжатию

Упражнение 7:

Номер 1

Чем измеряется качество воспроизведения данных по их кодированному представлению?

Ответ:

(1) условной энтропией

(2) разрядностью

(3) оптимальным кодированием

Номер 2

Выход какого нейрона может усиливаться до единичного?

Ответ:

(1) нейрон-прототипа

(2) нейрон-победителя

(3) мертвого нейрона

Номер 3

В каком случае в аппроксимации участвуют ближайшие нейроны скрытого слоя?

Ответ:

(1) в глобальном методе

(2) в локальном методе

(3) в гибридном методе

Нейрокомпьютинг и его применения в экономике и бизнесе - тест 4