Главная / Искусственный интеллект и робототехника /
Нейроинформатика / Тест 8
Нейроинформатика - тест 8
Упражнение 1:
Номер 1
С помощью какой памяти можно по неполной и даже частично недостоверной информации восстановить достаточно полное описание знакомого объекта?
Ответ:
 (1) слуховая память 
 (2) ассоциативная память 
 (3) визуальная память 
Номер 2
В основе какой сети лежит следующая идея - записать систему дифференциальных уравнений для градиентной минимизации "энергии" Н (функции Ляпунова)?
Ответ:
 (1) тензорные сети 
 (2) сети Хопфилда 
 (3) ортогональные сети 
Номер 3
К какой сети относится эта формула
Ответ:
 (1) ортогональные сети 
 (2) сети для инвариантной обработки изображения 
 (3) сети Хопфилда 
Упражнение 2:
Номер 1
Какие сети способны запомнить и точно воспроизвести "порядка 0,14n
слабо скоррелированных образов"?
Ответ:
 (1) сети Хопфилда 
 (2) тензорные сети 
 (3) ортогональные сети 
Номер 2
Какая сеть ассоциативной памяти преобразует образы по формуле: ?
Ответ:
 (1) тензорные сети 
 (2) ортогональные сети 
 (3) сети Хопфилда 
Номер 3
Определитель матрицы Грамма
Ответ:
 (1) всегда меньше нуля 
 (2) всегда больше нуля 
 (3) может быть любое число 
Упражнение 3:
Номер 1
Для увеличения числа линейно независимых эталонов, не приводящих к прозрачности сети, используется прием перехода к …
Ответ:
 (1) ортогональным сетям 
 (2) тензорным сетям 
 (3) сетям для инвариантной обработки изображения 
Номер 2
Какая сеть хорошо работает на слабо скоррелированных эталонах?
Ответ:
 
(1)  
 
(2)  
 
(3)  
Номер 3
Какая сеть позволяет обрабатывать различные визуальные образы, отличающиеся только положением в рамке, как один образ?
Ответ:
 
(1)  
 
(2)  
 
(3)  
Упражнение 4:
Номер 1
Комбинируя какие преобразования можно получить все сети ассоциативной памяти?
Ответ:
 (1) произвольное преобразование 
 (2) тензорное преобразование, позволяющее сильно увеличить способность сети запоминать и точно воспроизводить эталоны 
 (3) переход к ортогональному проекту, снимающий зависимость надежности работы сети от степени скоррелированности образцов 
Номер 2
По какой формуле ортогональная сеть ассоциативной памяти преобразует образы?
Ответ:
 
(1)  
 
(2)  
 
(3)  
Номер 3
Сеть Хопфилда в виде является сетью…
Ответ:
 (1) с разрывным временем 
 (2) с дискретным временем 
 (3) с непрерывным временем 
Упражнение 5:
Номер 1
Какой эталон и матрицу необходимо хранить для работ сети ?
Ответ:
 
(1)  
 
(2)  
 
(3)  
Номер 2
Какие операции необходимо произвести при добавлении нового эталона?
Ответ:
 
(1) вычислить вектор
 
 (2) вычислить вектор b
 
 (3) вычислить вектор c
 
Номер 3
Какой используется прием для увеличения числа линейно независимых эталонов?
Ответ:
 (1) прием перехода к малочастичным сетям 
 (2) прием перехода к тензорным сетям 
 (3) прием перехода к ортогональным сетям 
Упражнение 6:
Номер 1
Какой вид имеет автокорреляторная сеть?
Ответ:
 
(1)  
 
(2)  
 
(3)  
Номер 2
Что такое линейный код?
Ответ:
 (1) линейное подпространство, исправляющее k
ошибки 
 (2) линейное подпространство в n
-мерном пространстве, все вектора которого удалены друг от друга не менее, чем на k
 
 (3) линейное подпространство в n
-мерном пространстве, все вектора которого удалены друг от друга не менее, чем на 2k+1
 
Номер 3
Что такое автокорреляторы?
Ответ:
 (1) скалярное произведение векторов инвариантов 
 (2) скалярные произведения образа на сдвинутый образ, рассматриваемые как функции вектора сдвига 
 (3) скалярные произведения образа на функцию вектора сдвига