Проектирование систем искусственного интеллекта

Упражнение 1:

Номер 1

Что такое адаптация?

Ответ:

(1) это процесс, в результате которого система постепенно приобретает способность отвечать нужными реакциями на определенные совокупности внешних воздействий

(2) это подстройка параметров и структуры системы с целью достижения требуемого качества управления в условиях непрерывных изменений внешних условий

(3) обучение, при котором дополнительная информация о верности реакции системе не сообщается

Номер 2

Что такое обучение?

Ответ:

(1) это процесс, в результате которого система постепенно приобретает способность отвечать нужными реакциями на определенные совокупности внешних воздействий

(2) это подстройка параметров и структуры системы с целью достижения требуемого качества управления в условиях непрерывных изменений внешних условий

(3) обучение, при котором дополнительная информация о верности реакции системе не сообщается

Номер 3

Что такое самообучение

Ответ:

(1) это процесс, в результате которого система постепенно приобретает способность отвечать нужными реакциями на определенные совокупности внешних воздействий

(2) это подстройка параметров и структуры системы с целью достижения требуемого качества управления в условиях непрерывных изменений внешних условий

(3) обучение, при котором дополнительная информация о верности реакции системе не сообщается

Упражнение 2:

Номер 1

Чем самообучение отличается от обучения?

Ответ:

(1) при обучении дополнительная информация о верности реакции системе сообщается

(2) при самообучении дополнительная информация о верности реакции системе не сообщается

(3) при обучении дополнительная информация о верности реакции системе не сообщается

(4) при самообучении дополнительная информация о верности реакции системе сообщается

Номер 2

Кто впервые исследовал способность нейронной сети к обучению?

Ответ:

(1) Маккалок

(2) Розенблатт

(3) Питт

(4) Норман

Номер 3

Какие свойства присущи искусственным нейронным сетям?

Ответ:

(1) обучение

(2) обобщение

(3) абстрагирование

(4) применимость

Упражнение 3:

Номер 1

Какие нейронные сети относятся к сетям прямого распространения?

Ответ:

(1) персептрон

(2) сеть Элмана

(3) сеть обратного распространения

(4) сеть встречного распространения

(5) сети Хопфилда

(6) карта Кохонена

Номер 2

Какие нейронные сети относятся к  рекуррентным сетям?

Ответ:

(1) сеть Хопфилда

(2) сеть с обратной связью

(3) сеть Элмана

(4) сеть встречного распространения

Номер 3

В чем преимущества сетей с обратной связью?

Ответ:

(1) сложность обучения, вызванная большим числом нейронов для алгоритмов одного и того же уровня сложности

(2) простота их реализации и гарантированное получение ответа после прохождения данных по слоям

(3) наличие блоков динамической задержки и обратных связей, что позволяет им обрабатывать динамические модели

Упражнение 4:

Номер 1

По направленности связей, нейронные сети бывают?

Ответ:

(1) сети без обратных связей

(2) сети прямого распространения

(3) дендограмма

(4) кросс-таблица

Номер 2

Какая главная функция искусственного нейрона?

Ответ:

(1) рассчитывать выходной сигнал в зависимости от значения весовых коэффициентов

(2) поиск значения весовых коэффициентов

(3) формировать входной сигнал в зависимости от сигналов, поступающих на его выходной сигнал

(4) формировать выходной сигнал в зависимости от сигналов, поступающих на его входы

Номер 3

Нейронная сеть прямого распространения сигнала - это

Ответ:

(1) сети прямого распространения

(2) сети с обратными связями

(3) рекуррентные сети

Упражнение 5:

Номер 1

При обучении с учителем необходимо?

Ответ:

(1) знать значение выходных сигналов

(2) знать значение весовых коэффициентов

(3) знать значение входных сигналов

Номер 2

При обучении нейронной сети без учителя, задаются следующие параметры?

Ответ:

(1) выходные значения

(2) входные значения

(3) весовые коэффициенты

Номер 3

Какие принципы определяют структуру нейронной сети?

Ответ:

(1) возможности сети возрастают с увеличением числа ячеек сети, плотности связей между ними и числом выделенных слоев

(2) использование различных пороговых функций

(3) введение обратных связей наряду с увеличением возможностей сети поднимает вопрос о динамической устойчивости сети

(4) сложность алгоритмов функционирования сети

Упражнение 6:

Номер 1

Какие фундаментальные свойства связаны с обучением по примерам?

Ответ:

(1) емкость

(2) техническая характеристика образов

(3) сложность образцов

(4) вычислительная сложность

Номер 2

Какие существуют правила обучения?

Ответ:

(1) коррекция по ошибке

(2) правило Кохонена

(3) машина Больцмана

(4) правило Хеба

(5) обучение методом Элмана

(6) обучение методом соревнования

Номер 3

Какие подходы выделяют к проблеме ОРО?

Ответ:

(1) построение сложных разделяющих поверхностей в случайно выбранных пространствах

(2) построение простых разделяющих поверхностей в случайно выбранных пространствах

(3) центр тяжести проблемы переносится на достижение понимания принципов описания объектов, в рамках которого процесс распознавания чрезвычайно прост

(4) центр тяжести проблемы переносится на достижение понимания принципов описания объектов, в рамках которого процесс распознавания чрезвычайно сложен

Упражнение 7:

Номер 1

Известно что весовые коэффициенты устанавливаются на шаге инициализации. Если размерность вектора весов для нейронов инициализируемого слоя равна 4, чему будет равняться W0?

Ответ:

(1) 0,5

(2) 0,25

(3) 1,5

(4) 1,25

Номер 2

Известно что весовые коэффициенты устанавливаются на шаге инициализации. Если размерность вектора весов для нейронов инициализируемого слоя равна 25, чему будет 
равняться W0?

Ответ:

(1) 1,04

(2) 0,04

(3) 0,2

(4) 1,2

Номер 3

Известно что весовые коэффициенты устанавливаются на шаге инициализации. Если размерность вектора весов для нейронов инициализируемого слоя равна 8, чему будет 
равняться W0?

Ответ:

(1) 1,125

(2) 0,35

(3) 0,125

(4) 1,35

Упражнение 8:

Номер 1

Известны следующие данные, что суммирующий элемент равен 2,7. Чему в этом случае будет равняться активационный элемент F(d)?

Ответ:

(1) 1,03

(2) 0,94

(3) 0,995

(4) 1,04

Номер 2

Известны следующие данные, что суммирующий элемент равен 1,8. Чему в этом случае будет равняться активационный элемент F(d)?

Ответ:

(1) 0,76

(2) 0,54

(3) 0,94

(4) 0,86

Номер 3

Известны следующие данные, что суммирующий элемент равен 2. Чему в этом случае будет равняться активационный элемент F(d)?

Ответ:

(1) 0,88

(2) 1,43

(3) 0,64

(4) 2,34

Упражнение 9:

Номер 1

На вход нейронной сети поданы следующие элементы: 2, 4, 5. Нейронной сетью были определенны следующие весовые коэффициенты: для 2= 0,5; для 4= 0,3; для 5= 0,1. Чему будет равняться Суммирующий элемент?

Ответ:

(1) 2,7

(2) 0,9

(3) 11

(4) 11,9

Номер 2

На вход нейронной сети поданы следующие элементы: 1, 2, 4. Нейронной сетью были определенны следующие весовые коэффициенты: для 1= 0,2; для 2= 0,6; для 4= 0,1. Чему будет равняться Суммирующий элемент?

Ответ:

(1) 0,9

(2) 7

(3) 1,8

(4) 7,9

Номер 3

На вход нейронной сети поданы следующие элементы: 3, 2, 5. Нейронной сетью были определенны следующие весовые коэффициенты: для первого - 0,1; для второго - 0,1; для третьего - 0,3. Чему будет равняться Суммирующий элемент?

Ответ:

(1) 0,5

(2) 10

(3) 10,5

(4) 2

Упражнение 10:

Номер 1

Чему равна степень полного описания на первом ряду селекции?

Ответ:

(1) 1

(2) 2

(3) 3

(4) 4

Номер 2

Чему равна степень полного описания на третьем ряду селекции?

Ответ:

(1) 2

(2) 4

(3) 8

(4) 12

Номер 3

Чему равна степень полного описания на втором ряду селекции?

Ответ:

(1) 8

(2) 6

(3) 4

(4) 2

Проектирование систем искусственного интеллекта - тест 4