Алгоритмы интеллектуальной обработки больших объемов данных

Упражнение 1:

Номер 1

Укажите минимальное количество скрытых слоев многослойного персептрона и нейронов в них, которое достаточно для построения равномерной аппроксимации с заданной точностью для любого обучающего множества, представленного набором m>1 входов и желаемого отклика f.

Ответ:

(1) 1 слой, m нейронов

(2) 1 слой, m^2 нейронов

(3) 1 слой, количество нейронов не известно

(4) m слоев, 1 нейрон в каждом

(5) m слоев, m нейронов в каждом

(6) m слоев, m^2 нейронов в каждом

Номер 2

Напишите максимальное количество скрытых слоев, которое можно обучить согласно алгоритму обратного распространения

Ответ:

2

Упражнение 2:

Номер 1

Нейрон i получает входной сигнал только от трех других нейронов с выходными сигналами 1, 2, -3 по связям с весами 0,3, 0,4, 0,5 соответственно. Смещение нейрона i равно 0,2. Функция активации нейрона i – логистическая функция с параметром a=1. Найдите выходной сигнал нейрона i с точностью до двух знаков после запятой.

Ответ:

0,45

Номер 2

Что является задачей функции активации?

Ответ:

(1) Увеличить амплитуду выходного значения нейрона

(2) Ограничить амплитуду выходного значения нейрона

(3) Сохранить амплитуду выходного значения нейрона

Упражнение 3:

Номер 1

Нейрон i в скрытом слое получает входной сигнал только от трех других нейронов i1, i2, i3 с выходными сигналами 1, 2, -3 по связям с весами 0,3, 0,4, 0,5 соответственно и по связи с весом 0,5 отдает выходной сигнал только нейрону j в выходном слое с выходным сигналом 0,8. Смещение нейронов равно нулю. Функция активации у всех нейронов – логистическая функция с параметром a=1. Желаемый отклик нейрона j равен 0,7. Пользуясь алгоритмом обратного распространения ошибки (back propagation) – градиентного спуска с параметром скорости обучения 0,5 и с функцией стоимости в виде среднеквадратичной ошибки, найдите вес связи между нейронами i3 и i после первой итерации с точностью до трех знаков после запятой.

Ответ:

0,503

Номер 2

Для задачи функции активации - ограничить амплитуду выходного значения нейрона, чаще всего используется сигмоидальная (S-образная) функция(и) ?

Ответ:

(1) логистическая функция

(2) гиперболический тангенс

(3) синусоидальная функция

Упражнение 4:

Номер 1

Сколько скрытых слоев Вы видите в данной нейронной сети?

Ответ:

(1) 1

(2) 2

(3) 3

(4) 5

Номер 2

Что можно сказать о нейронах в мозгу человека ?

Ответ:

(1) обладают способностью изменяться под действием опыта

(2) очень медленная модель для обработки информации

(3) очень узкоспециализированные нервные клетки

(4) сам по себе помимо сигналов ,генерирует и шум

Упражнение 5:

Номер 1

В чем задача функции активации?

Ответ:

(1) Описание выходного сигнала всей нейронной сети

(2) Выбор сигмоиды, описывающей выходной сигнал нейрона

(3) Перевести нейрон в рабочее состояние

(4) Ограничить амплитуду выходного значения нейрона

Номер 2

Нейроансамбль - это ?

Ответ:

(1) совокупность нейронов, составляющих функциональную группу в высших отделах мозга

(2) распределенный способ кодирования информации

(3) генерация шума от сигналов нейрона

Упражнение 6:

Номер 1

Какая функция активации применяется наиболее удобна для описания выходного сигнала нейрона?

Ответ:

(1) Сигмоидальная

(2) Гистерезис

(3) Единичный скачок

(4) Арктангенсная

(5) Гиперболическая

Номер 2

Сколько скрытых слоев нейронов применяют в реальной практике в соответствии с обычным алгоритмом обратного распространения ошибки

Ответ:

(1) 1

(2) 2

(3) любое количество

(4) нет правильного ответа

Упражнение 7:

Номер 1

Слой нейронной сети – это:

Ответ:

(1) один или несколько нейронов, на входы которых подаются разные сигналы;

(2) один или несколько нейронов, на входы которых подается один и тот же общий сигнал;

(3) Количество нейронов зависит от типа нейронной сети;

Номер 2

Что является задачей функции активации

Ответ:

(1) Ограничить амплитуду выходного значения нейрона

(2) Глобальная оптимизация

(3) Идентификации шумовых объектов

(4) нет правильного ответа

Номер 3

Какой из режимов обучения для "Ограниченной машины больцмана" будет самым точным и давать истинный градиент?

Ответ:

(1) online learning

(2) batch learning

(3) full-batch learning

(4) нет правильного ответа

Алгоритмы интеллектуальной обработки больших объемов данных - тест 11