Нейроинформатика

Упражнение 1:

Номер 1

Какой алгоритм включает в себя совокупность правил, определяющих порядок переработки медицинской информации с целью постановки диагноза

Ответ:

(1) универсальный

(2) диагностический

(3) аналитический

Номер 2

В какие годы сформировалась наука - нейроинформатика

Ответ:

(1) 40-е гг.

(2) 50-е гг.

(3) 80-е гг.

Номер 3

В какой области здравоохранения интенсивно применяются нейросети?

Ответ:

(1) кардиология

(2) педиатрия

(3) офтальмология

Упражнение 2:

Номер 1

Для чего применяется нейросеть, интерпретирующая флюоресцентные спектры, получаемые при исследовании тканей с помощью лазера?

Ответ:

(1) для диагностики артериальной гипертонии

(2) для выявления бляшек в артериях

(3) для диагностики заболеваний периферических сосудов

Номер 2

Что является выходом в электрокардиостимуляторе?

Ответ:

(1) ритм синусового узла

(2) собственный ритм электрокардиостимулятора

(3) определенное количество импульсов

Номер 3

Какие модели нейросетевых экспертных систем применяются для прогнозирования исходов заболеваний?

Ответ:

(1) прогностические

(2) интерпретационные

(3) диагностические

Упражнение 3:

Номер 1

Где в биологии могут применяться нейросети?

Ответ:

(1) для идентификации человеческих хромосом

(2) для классификации живых организмов

(3) для моделирования нервной системы

Номер 2

На какие типы можно расклассифицировать неалгоритмируемые или трудно алгоритмируемые задачи, решаемые нейронными сетями?

Ответ:

(1) задачи классификации

(2) задачи конструирования

(3) задачи предикации

Номер 3

Какой вид задачи подразделяется на предсказание числа и вектора?

Ответ:

(1) задачи классификации

(2) задачи конструирования

(3) задачи предикации

Упражнение 4:

Номер 1

Какая предикация предполагает, что ответ может быть представлен в виде нескольких независимых друг от друга чисел, образующих точку в многомерном пространстве, размерность которого равно количеству предсказываемых чисел?

Ответ:

(1) векторная предикация

(2) одномерная предикация

(3) полимерная предикация

Номер 2

Что такое дендриты?

Ответ:

(1) синапсы, передающие сигналы от других нейронов к данному

(2) синапсы, передающие сигналы от данного нейрона к другим

(3) "скрытые" нейроны

Номер 3

С какими нейронами могут взаимодействовать нейроны, если не сообщаются с внешним миром?

Ответ:

(1) входными нейронами

(2) выходными нейронами

(3) "скрытыми" нейронами

Упражнение 5:

Номер 1

В каком случае сигнал усиливается?

Ответ:

(1) модуль веса <1 по амплитуде

(2) модуль веса =1 по амплитуде

(3) модуль веса >1 по амплитуде

Номер 2

Какую функцию имеют нейроны в конструированных нейронных сетях?

Ответ:

(1) f(X) = X / (C - |X|)

(2) f(X) = X / (C + |X|)

(3) f(X) = X / (C + X)

Номер 3

В чем заключается обучение нейронной сети?

Ответ:

(1) в вычислении оценки

(2) в прохождении цикла

(3) в коррекции весов синапсов

Упражнение 6:

Номер 1

От чего зависит количество циклов обучения?

Ответ:

(1) типа нейросети

(2) количества входных параметров

(3) вида задач

Номер 2

От чего зависит успех обучения нейросети?

Ответ:

(1) от числа нейронов в сети

(2) от числа синапсов в сети

(3) от числа анонсов в сети

Номер 3

В каком случае осуществляется тестирование выборки с заранее известными ответами примеров?

Ответ:

(1) проверка того, как обучалась нейросеть

(2) решение конкретных задач

(3) моделирование

Упражнение 7:

Номер 1

Что вычисляет нейросеть в классификационных задачах?

Ответ:

(1) уровень надежности

(2) класс тестируемого примера

(3) коэффициент уверенности в данном решении

Номер 2

На каком этапе создания традиционной экспертной системы происходит оформление логических правил, по которым должна работать экспертная система?

Ответ:

(1) сбор данных

(2) отладка и тестирование

(3) создание базы знаний

Номер 3

Какие этапы создания самообучающейся системы совпадают с этапами создания традиционных систем?

Ответ:

(1) сбор обучающих данных

(2) создание интерфейса

(3) доучивание

Упражнение 8:

Номер 1

Получить единственный ответ можно

Ответ:

(1) путем логических правил

(2) путем подстройки над блоком малых экспертов нейросети - "супервизора"

(3) как тем, так и другим

Номер 2

Какой тип данных может принимать любые значения

Ответ:

(1) число с "плавающей точкой"

(2) взаимоисключающие варианты

(3) совместные варианты

Номер 3

Выбор каких стартовых параметров может быть автоматизирован

Ответ:

(1) выбор типа нейронной сети

(2) схемы подачи обучающих данных

(3) количество нейронов

Упражнение 9:

Номер 1

Выбор типа нейронной сети определяется

Ответ:

(1) типом файла нейросети

(2) типом задачи

(3) схемой подачи обучаемых данных

Номер 2

При нормировании на входной синапс подается

Ответ:

(1) величина параметра

(2) эквивалент величины

(3) эквивалент параметра

Номер 3

Чему равно общее число подстраиваемых связей?

Ответ:

(1) квадрату числа нейронов

(2) произведению числа входных синапсов

(3) нет правильного ответа

Упражнение 10:

Номер 1

Функция с какой характеристикой обеспечивает относительно большую разность между преобразованными сигналами?

Ответ:

(1) функция с малой характеристикой

(2) функцией со средней характеристикой

(3) функцией с большой характеристикой

Номер 2

Что понимается под тактикой обучения нейронных сетей?

Ответ:

(1) общий план обучения, включающий разбивку задачи на подзадачи

(2) возможное вмешательство оператора в процесс обучения

(3) полное на данном задачнике обучение нейросети

Номер 3

Из каких взаимосвязанных подзадач состоит стратегия решения единой задачи?

Ответ:

(1) параллельно

(2) перпендикулярно

(3) иерархически

Упражнение 11:

Номер 1

При прохождении циклов обучения нейросети используется метод подсчета градиентов

Ответ:

(1) по входным сигналам

(2) по выходным сигналам

(3) как по тем, так и по другим

Номер 2

Результат какого метода показывают среднюю значимость параметров по всей обучающей выборке?

Ответ:

(1) если метод насчитывает значимость каждого параметра как максимальное значение модуля градиента по всем примерам

(2) если метод насчитывает значимость каждого параметра как среднюю величину модуля градиента по всем примерам обучающей выборки

(3) если метод насчитывает значимость каждого параметра как минимальную величину модуля градиента по всем примерам

Номер 3

Какой блок прогнозирует непосредственные исходы заболевания?

Ответ:

(1) блок "Н"

(2) блок "Л"

(3) блок "О"

Нейроинформатика - тест 5