Нейроинформатика

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 math

(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

Нейроинформатика - тест 8