Нейрокомпьютерные системы
700,00 руб.
В течение часа!
Экзамен "Нейрокомпьютерные системы" для пользователей и системных администраторов.
Форма сдачи теста: Экстерн
Количество вопросов: 30
Проходной балл: 90% и выше
Срок действия сертификата: неограничен
Сертификат появляется в профиле ресурса INTUIT, и Вы можете заказать его бумажную версию на сайте INTUIT.
Количество вопросов: 30
Проходной балл: 90% и выше
Срок действия сертификата: неограничен
Сертификат появляется в профиле ресурса INTUIT, и Вы можете заказать его бумажную версию на сайте INTUIT.
11748 шт.
Внимание !
Вопросы к тесту выложены исключительно в ознакомительных целях: количество вопросов может не совпадать с действительным, актуальность не поддерживается,- за решением теста Welcome to the cashier!
Какую парадигму искусственного интеллекта реализуют нейронные сети?
коннекционистскую
символьную
Что является главным результатом Розенблатта?
доказательство сходимости процедуры обучения персептрона к решению поставленной задачи
разработка алгоритма обратного распространения ошибки для обучения многослойного персептрона
выделение класса задач, которые однослойный персептрон решать не может
Что в наибольшей степени влияет на результат работы нейронной сети?
веса связей
топология связей
модель нейрона
В чем заключается обучение нейронной сети?
в построении точного алгоритма решения задачи
в минимизации штрафа, как неявной функции связей
К чему приводит отказ компонента (нейрона или синаптической связи) сети?
к некоторому ухудшению характеристик сети
к отказу всей сети
На какие классы нейронные сети делятся по структуре?
односвязные
многосвязные
однослойные
многослойные
Какие из перечисленных ниже свойств характерны для нейронных сетей?
чувствительность к искажениям данных и повреждениям аппаратуры
устойчивость к шумам и искажениям сигналов
обобщение результатов обучения
функционирование по заданному алгоритму
массовый параллелизм обработки информации
Какую функцию реализует ассоциативная память?
восстанавливает полный образ по частичным данным
задает соответствие между нейронами и входными объектами
классифицирует входной объект
Каковы типичные приложения нейронных сетей?
обработка символьных строк
ассоциативная память
классификация образов
Что представляет собой задачник при обучении нейронных сетей?
набор нерешенных задач
набор примеров с заданными ответами
Как нейрон МакКаллока-Питса определяет свое состояние?
сравнивает взвешенную сумму входных сигналов с порогом
вычисляет значение непрерывной функции от взвешенной суммы входных сигналов
Какие из нижеперечисленных особенностей присущи традиционным вычислительным системам?
необходимо точное описание алгоритма
искажения данных не влияют существенно на результат
каждый обрабатываемый объект явно указан в памяти
Какие состояния имеют нейроны МакКаллока-Питса?
0 и 1
любое значение из интервала (0,1)
Как должен изменяться вес входа нейрона по правилу Хебба?
вес входа должен уменьшаться при корреляции между входом и выходом нейрона
вес входа должен увеличиваться при корреляции между входом и выходом нейрона
В каких областях применяются нейрокомпьютеры?
для решения задач искусственного интеллекта
как инструмент изучения человеческого мозга
в системах управления и технического контроля
для создания спецвычислителей параллельного действия
для построения компиляторов программ
В чем заключается преимущество использования нейрона с непрерывной функцией активации?
возможность использования градиентных методов оптимизации при обучении нейрона
возможность определения глобального минимума целевой функции при обучении нейрона
Какой является функция активации персептрона?
ступенчатой
непрерывной
Какую функцию реализует адалайн?
квадратичную
дробно-линейную
линейную
Какую функцию реализует Паде-нейрон?
квадратичную
дробно-линейную
линейную
Какую задачу решает персептрон?
задачу аппроксимации непрерывных функций
задачу разделения двух классов
В чем заключается обучение персептрона?
в подборе весовых коэффициентов
в изменении функции активации
Какое преобразование реализует кубический нейрон ?
вычисляет полином третьей степени от компонент вектора входных сигналов нейрона
использует входной вектор как адрес ячейки памяти, хранящей результат (значение выходного сигнала)
Требуется ли обучающая выборка (учитель) для обучения нейронов WTA?
нет
да
Что такое персептрон?
нейрон МакКаллока-Питса
адалайн
сигмоидальный нейрон
Какой метод позволяет выйти из окрестности локального минимума?
градиентный метод
метод с моментом
В каком интервале изменяются значения биполярной функции сигмоидального нейрона?
(-2,2)
(-0.5, 0.5)
+(-1,1)
Что является важным свойством сигмоидальной функции?
скачкообразный характер изменения
дифференцируемость
Какая величина минимизируется при аппроксимации функции нейроном?
квадратичная ошибка
четвертая степень ошибки
В каком интервале изменяются значения униполярной функции сигмоидального нейрона?
(0,1)
(0, 0.5)
(0,2)
Если возможно безошибочное разделение классов, то можно ли его получить методом центров масс?
не всегда
да, безусловно
Какой способ построения линейного решающего правила является простейшим?
разделение центров масс
алгоритм обучения персептрона
Чем полезен метод центров масс?
как средство решения задачи линейного разделения
как средство определения начального значения вектора весов для алгоритма обучения персептрона
Что реализует персептрон в пространстве входных сигналов?
гиперэллипсоид
гиперплоскость
гиперсферу
В каком случае выходной сигнал персептрона будет положительным?
угол между вектором входных сигналов и вектором весов в расширенном пространстве меньше π
угол между вектором входных сигналов и вектором весов больше π
Как нужно модифицировать вектор весов, если входной вектор ошибочно отнесен персептроном ко второму классу (выходной сигнал – 0)?
вычесть часть вектора входных сигналов из вектора весов
сложить с вектором весов часть вектора входных сигналов
Что является условием остановки выполнения алгоритма обучения персептрона?
снижение разности между реальным выходным сигналом и требуемым до заданного ненулевого порога для всех векторов обучающей выборки
совпадение реального выходного сигнала с требуемым для всех векторов обучающей выборки
Какой вариант алгоритма обучения персептрона обладает наилучшей сходимостью?
обучение по отдельным примерам
обучение по страницам
обучение по всему задачнику
Чем ограничивается размер страницы в методе обучения персептрона по страницам?
скоростью обучения
емкостью оперативной памяти
Как соотносятся вектор весовых коэффициентов и разделяющая гиперплоскость?
вектор весов ортогонален гиперплоскости
вектор весов параллелен гиперплоскости
Как нужно модифицировать вектор весов, если входной вектор ошибочно отнесен персептроном к первому классу (выходной сигнал – 1)?
вычесть часть вектора входных сигналов из вектора весов
сложить с вектором весов часть вектора входных сигналов
Из какого интервала выбирается значение скорости обучения?
(1,2)
(0,1)
(-1,1)
Следует ли хранить все входные векторы, на которых нейрон ошибается, при обучении по всему задачнику?
да
нет
Какой тип обучения назван обучением с учителем?
обучение, при котором заданы требуемые значения выходных сигналов для всех обучающих входных векторов
обучение, при котором задано допустимое отклонение выходных сигналов от заданных
Какой способ построения решающего правила всегда достигает безошибочного линейного разделения классов, если оно возможно?
метод центров масс
алгоритм обучения персептрона
Как формулируется решающее правило, основанное на формуле Байеса?
объект x принадлежит классу Ci с минимальным значением апостериорной вероятности
P(Ci|x)
объект x принадлежит классу Ci с максимальным значением апостериорной вероятности
P(Ci|x)
Какой функцией описывается оптимальная разделяющая поверхность при нормальном распределении объектов двух классов?
квадратичной (второго порядка)
кубической (третьего порядка)
линейной (первого порядка)
Сколько слоев должна содержать нейронная сеть для выделения невыпуклой области?
один
два
три
Каким уравнением описывается гиперплоскость, реализующая функцию И?
x1 + x2 = 0,5
x1 + x2 = 1,5
Сколько разделяющих гиперплоскостей необходимо для реализации функции ИСКЛЮЧАЮЩЕЕ ИЛИ на нейронной сети?
три
две
одна
Сколько слоев должна содержать нейронная сеть для выделения выпуклой области?
один
два
три
Может ли персептрон реализовать функцию ИСКЛЮЧАЮЩЕЕ ИЛИ?
нет
да
Что реализуют нейроны первого слоя многослойной нейронной сети при решении задачи нелинейного разделения двух классов?
многогранники
гиперплоскости
В каком слое следует увеличить число нейронов, чтобы повысить точность аппроксимации выпуклых областей?
во втором
в третьем
в первом
Что является формализацией влияния возбуждения в одних областях мозга на возбуждение в других?
введение коэффициента, пропорционального сигналу одного нейрона, в величину веса сигнала другого нейрона
введение обратных связей в структуру нейронной сети
Чему должно быть равно значение t в уравнении
x1 + x2 + x3= t,
чтобы соответствующий нейрон реализовал функцию И?
любому числу из интервала (0,1)
любому числу из интервала (2,3)
любому числу из интервала (1,2)
Каким уравнением описывается гиперплоскость, реализующая функцию ИЛИ?
x1 + x2 = 0,5
x1 + x2 = 1,5
В каком слое следует увеличить число нейронов, чтобы увеличить число выпуклых областей, реализуемых сетью?
во втором
в третьем
в первом
Чему должно быть равно значение t в уравнении
x1 + x2 + x3= t,
чтобы соответствующий нейрон реализовал функцию ИЛИ?
любому числу из интервала (0,1)
любому числу из интервала (2,3)
любому числу из интервала (1,2)
Какие из нижеперечисленных сетей после подачи набора входных сигналов функционируют непрерывно?
полносвязная сеть
слоисто-циклическая сеть
многослойная сеть
Какая из многослойных сетей используется наиболее часто?
трехслойная
четырехслойная
двухслойная
Сколько нейронов полносвязной сети может быть использовано для выдачи выходных сигналов?
любое подмножество нейронов
один из нейронов
все нейроны
Для чего выполняется предобработка входных данных нейронной сети?
для повышения точности вычислений
для того, чтобы отобразить входные данные в заданный числовой отрезок
для фильтрации помех
Какой из видов интерпретации выходных сигналов сети обеспечивает максимальное количество классов при заданном числе нейронов в выходном слое?
порядковая интерпретация
правило "победитель забирает все"
знаковая интерпретация
Какие из нижеперечисленных сетей относятся к сетям периодического функционирования?
слоисто-полносвязные
полносвязно-слоистые
монотонные
Что нужно сделать для повышения константы Липшица многослойной сети?
увеличить число нейронов в слоях
увеличить число слоев сети
увеличить число входов сети
Что позволяет установить сравнение констант Липшица нейронной сети и аппроксимируемой функции?
принципиальную неспособность сети аппроксимировать функцию
принципиальную способность сети аппроксимировать функцию
Какое правило интерпретации выходных данных сети является наиболее распространенным?
знаковая интерпретация
правило "победитель забирает все"
порядковая интерпретация
Какие связи между слоями являются возбуждающими?
связи с отрицательными весами
связи с положительными весами
В какой сети каждый нейрон передает выходной сигнал на вход самому себе?
в полносвязной
в полносвязно-слоистой
в слоисто-полносвязной
в слоистой
в слоисто-циклической
Какие точки функции наиболее трудно аппроксимировать?
точки, в которых при большом изменении входных сигналов происходит малое изменение значения функции
точки, в которых при малом изменении входных сигналов происходит большое изменение значения функции
Что такое контрастер?
система, нормирующая выходные сигналы нейронной сети
система, упрощающая нейронную сеть
система, нормирующая входные сигналы нейронной сети
Какое правило интерпретации дает минимальное число классов?
знаковая интерпретация
правило "победитель забирает все"
порядковая интерпретация
В чем заключается нормировка входных данных нейронной сети?
в делении входных данных на заданную константу
в отображении входных данных в отрезок [0,1] или [-1,1]
В каком направлении осуществляется минимизация целевой функции в алгоритме обратного распространения ошибки?
в направлении антиградиента целевой функции
в направлении градиента целевой функции
На каком этапе алгоритма обратного распространения ошибки вычисляются производные функций активации нейронов многослойной сети?
при обратном распространении ошибки
при прямом распространении сигналов
Зависят ли выходные сигналы скрытых слоев оригинальной нейронной сети от весовых коэффициентов нейронов выходного слоя?
да
нет
Что подается на входы сети обратного распространения?
фактические выходные сигналы оригинальной нейронной сети
отклонения фактических выходных сигналов оригинальной нейронной сети от ожидаемых
На чем основан поиск минимума целевой функции в заданном направлении?
на случайном переборе значений коэффициента обучения
на полиномиальной аппроксимации целевой функции
В чем заключается цель одномерной оптимизации?
выбор величины шага в заданном направлении (подбор коэффициента обучения)
выбор направления минимизации целевой функции в пространстве весовых коэффициентов
К чему может привести чрезмерное увеличение коэффициента обучения?
к насыщению нейронов
к резкому возрастанию значения целевой функции (погрешности обучения)
Чем обусловлена возможность попадания целевой функции многослойной сигмоидальной сети в седловую зону?
насыщением сигмоидальной функции активации
наличием скрытых слоев
Что может вызвать неправильный выбор диапазона случайных значений весов?
колебания выходных сигналов нейронов
слишком раннее насыщение нейронов
слишком позднее насыщение нейронов
Когда завершается действие алгоритма обратного распространения?
когда фактические выходные сигналы совпадут с заданными
когда норма градиента целевой функции упадет ниже априори заданного значения, характеризующего точность процесса обучения
В каком интервале обычно лежат модули допустимых начальных значений весовых коэффициентов сети?
(1,2)
(2,3)
(0,1)
Как влияет увеличение числа входов нейронов на выбор начальных значений их весовых коэффициентов (кроме порогов)?
приводит к увеличению модулей весовых коэффициентов
приводит к уменьшению модулей весовых коэффициентов
Что способствует ускорению процесса обучения сети?
увеличение коэффициента обучения
уменьшение коэффициента обучения
Почему следует избегать насыщения нейронов?
нейрон, попавший в состояние насыщения, делает сеть неработоспособной
нейрон, попавший в состояние насыщения, не участвует в преобразовании данных
Какую операцию следует выполнить в алгоритме обратного распространения там, где дуги сходятся к одной вершине?
сложение произведений, полученных на этих дугах
перемножение произведений, полученных на этих дугах
Каких значений может достигать число параметров нейронной сети?
около 105
более 108
не более 103
Какие методы используются для учета ограничений параметров сети при обучении?
метод проекций
метод штрафных функций
партан-метод
Какие ограничения возникают при попытке осуществить обучение нейронной сети как решение задачи оптимизации?
необходимость найти достаточно широкую область, в которой значения всех минимизируемых функций близки к минимальным
необходимость высокого параллелизма при обучении
необходимость использования алгоритмов целочисленной оптимизации
астрономическое число параметров
В чем преимущество метода случайного выбора направления минимизации оценки?
быстродействие
простота
Какой из партан-методов дает лучшие результаты обучения сети?
модифицированный партан-метод
итерационный партан-метод
В чем заключается сложность использования метода Ньютона для обучения нейронных сетей?
большие вычислительные затраты
низкая точность вычислений
большой объем используемой памяти
Чем обусловлено преимущество квазиньютоновских методов перед методом наискорейшего спуска?
использованием результатов предыдущего шага
использованием матрицы вторых производных оценки
Когда производится рестарт алгоритма сопряженных градиентов?
когда число выполненных шагов минимизации превышает заданный порог
когда движение вдоль очередного выбранного направления спуска приводит к слишком маленькому шагу либо вообще не дает улучшения
Как обеспечить ортогональность нового градиента предыдущему направлению спуска в BFGS-методе?
как можно точнее проводить одномерную оптимизацию в поиске шага
учесть изменение градиента на предыдущем шаге
Какие этапы подготовки предшествуют обучению?
предобработка входных данных
выбор функции оценки
контрастирование нейронной сети
создание обучающей выборки
В каких случаях BFGS-метод превращается в метод сопряженных градиентов?
когда новый градиент практически ортогонален предыдущему направлению спуска
когда матрица вторых производных функции оценки положительно определена
Как обеспечить приобретение нейрокомпьютером новых навыков без существенной утраты старых?
нужно найти общую точку минимума большого числа функций
следует искать такую точку минимума оценки, что в достаточно большой ее окрестности значения оценки незначительно отличаются от минимума
Каковы требования к реализации наиболее трудоемких этапов алгоритма обучения нейрокомпьютера?
распараллеливание вычислений
снижение разрядности обрабатываемых данных
использование нейронной сети
Каким образом в квазиньютоновских и партан-методах выбирается начальное направление спуска?
случайным образом
по антиградиенту функции оценки
методом Ньютона
В каком случае новое решение в алгоритме имитации отжига принимается случайным образом?
при увеличении значения целевой функции
при уменьшении значения целевой функции
Что происходит с температурой при увеличении числа итераций алгоритма имитации отжига?
температура изменяется случайным образом
температура понижается
температура повышается
При каких значениях температуры увеличение значения целевой функции становится невозможным?
при понижении температуры до нуля
при повышении температуры до заданного критического значения
Что является наиболее сложной проблемой при создании нейрочипов?
создание схем сложения
создание схем умножения
создание межнейронных соединений
Чему пропорционален размер популяции?
количеству битов хромосомы
количеству оптимизируемых параметров
В чем заключается принцип элитарности?
в выборе наиболее приспособленных хромосом
в мутации наименее приспособленных хромосом
Что такое мутация?
исключение из популяции случайно выбранных хромосом
инверсия случайных битов хромосомы
Какой способ генерации новых виртуальных частиц является наиболее консервативным?
при рестартах
при падении скорости обучения ниже критической
при каждом вычислении оценок и градиентов
Какой способ генерации новых виртуальных частиц является наиболее перспективным?
при рестартах
при каждом вычислении оценок и градиентов
при падении скорости обучения ниже критической
Какие цели преследует метод виртуальных частиц?
снижение сложности вычислений целевой функции
вывод сети из возникающих при обучении локальных минимумов оценки
повышение устойчивости обученной сети
Какая доля хромосом подвергается мутации?
не более 5%
все
до 50%
Как ускорить имитацию отжига?
уменьшить коэффициент понижения температуры
заменить случайные начальные значения весов тщательно подобранными значениями с использованием предварительной обработки исходных данных
Как происходит отбор хромосом?
по принципу рулетки
случайным образом
по количеству ненулевых битов
К чему приводит слишком малая популяция хромосом?
к замедлению поиска глобального минимума
к замыканию в неглубоких локальных минимумах
К каким типам возмущений должны быть устойчивы навыки обучения нейрокомпьютера?
к разрушению части элементов сети
к случайным возмущениям входных сигналов
к изменению типа сети
к обучению новым примерам
к флуктуациям параметров сети
Когда завершается генетический процесс?
при выполнении максимально допустимого количества итераций
в момент генерации удовлетворительного решения
при выполнении заданного количества мутаций
Какое утверждение лежит в основе функционирования радиальных сетей?
нейронная сеть радиального типа функционирует по принципу многомерной интерполяции
нелинейные проекции образов в некоторое многомерное пространство могут быть линейно разделены с большей вероятностью, чем их проекции в пространство с меньшей размерностью
Почему радиальные функции называют функциями локальной аппроксимации?
радиальные функции имеют ненулевые значения в ограниченной области пространства
радиальные функции имеют аргументы ограниченной размерности
Почему аппроксимация, реализуемая сигмоидальной нейронной сетью, называется глобальной?
преобразование значения функции в произвольной точке пространства выполняется объединенными усилиями многих нейронов
преобразование значения функции в произвольной точке пространства выполняется одним нейроном
Почему для решения задачи классификации (т.е. разбиения пространства входных сигналов на области) в радиальной сети достаточно иметь два слоя нейронов?
радиальный нейрон реализует в пространстве входных сигналов гипершар, т.е. выпуклую область. Соответственно, двухслойная радиальная сеть может реализовать произвольную невыпуклую область как линейную суперпозицию гипершаров
в силу локальности преобразования, выполняемого радиальным нейроном
Какая операция лежит в основе функционирования радиального нейрона?
вычисление скалярного произведения вектора сигналов на вектор весовых коэффициентов
определение расстояния от вектора сигналов до центра радиальной функции
Что реализует радиальный нейрон в пространстве входных сигналов?
гиперплоскость
гиперсферу
Какую функцию обычно реализует выходной нейрон радиальной сети?
квадратичную
линейную
экспоненту
К чему приводит чрезмерное количество весовых коэффициентов сети?
к чрезмерно гладкой разделяющей гиперповерхности в пространстве входных сигналов
к ухудшению обобщающих свойств сети
Какими параметрами описывается радиальная функция Гаусса?
центр и ширина
вектор весовых коэффициентов
Какие значения принимает радиальная функция в окрестности центра?
отрицательные
ненулевые
нулевые
Каким образом радиальная сеть реализует преобразование всего множества данных?
как произведение локальных преобразований
как сумму локальных преобразований
Чем могут отличаться друг от друга функции радиальных нейронов?
структурой и параметрами
только параметрами
В каких случаях целесообразно использовать радиальную сеть?
в случае нерегулярности данных
в случае большой размерности пространства данных
в случае круговой симметрии данных
Как вычисляется вектор весов выходного нейрона радиальной сети?
как результат минимизации функции оценки сети
как результат решения системы линейных алгебраических уравнений
Что является аргументом радиальной функции?
скалярное произведение векторов
вектор входных данных
расстояние от образца до центра функции
Какие условия являются достаточными для сходимости переходных процессов в сети Хопфилда?
симметричность матрицы весов
неотрицательность весовых коэффициентов
отсутствие автосвязи
Как связаны между собой нейроны второго слоя сети Хемминга?
образуют кольцевую структуру
образуют тороидальную структуру
по принципу "каждый с каждым"
Какие нейроны используются в устройствах ассоциативной памяти?
нейроны с сигмоидальной функцией активации
нейроны со ступенчатой функцией активации
На запоминание каких систем векторов рассчитана сеть Хопфилда при обучении по правилу Хебба?
линейно независимых
ортогональных
Вопросы к тесту выложены исключительно в ознакомительных целях: количество вопросов может не совпадать с действительным, актуальность не поддерживается,- за решением теста Welcome to the cashier!
Какую парадигму искусственного интеллекта реализуют нейронные сети?
коннекционистскую
символьную
Что является главным результатом Розенблатта?
доказательство сходимости процедуры обучения персептрона к решению поставленной задачи
разработка алгоритма обратного распространения ошибки для обучения многослойного персептрона
выделение класса задач, которые однослойный персептрон решать не может
Что в наибольшей степени влияет на результат работы нейронной сети?
веса связей
топология связей
модель нейрона
В чем заключается обучение нейронной сети?
в построении точного алгоритма решения задачи
в минимизации штрафа, как неявной функции связей
К чему приводит отказ компонента (нейрона или синаптической связи) сети?
к некоторому ухудшению характеристик сети
к отказу всей сети
На какие классы нейронные сети делятся по структуре?
односвязные
многосвязные
однослойные
многослойные
Какие из перечисленных ниже свойств характерны для нейронных сетей?
чувствительность к искажениям данных и повреждениям аппаратуры
устойчивость к шумам и искажениям сигналов
обобщение результатов обучения
функционирование по заданному алгоритму
массовый параллелизм обработки информации
Какую функцию реализует ассоциативная память?
восстанавливает полный образ по частичным данным
задает соответствие между нейронами и входными объектами
классифицирует входной объект
Каковы типичные приложения нейронных сетей?
обработка символьных строк
ассоциативная память
классификация образов
Что представляет собой задачник при обучении нейронных сетей?
набор нерешенных задач
набор примеров с заданными ответами
Как нейрон МакКаллока-Питса определяет свое состояние?
сравнивает взвешенную сумму входных сигналов с порогом
вычисляет значение непрерывной функции от взвешенной суммы входных сигналов
Какие из нижеперечисленных особенностей присущи традиционным вычислительным системам?
необходимо точное описание алгоритма
искажения данных не влияют существенно на результат
каждый обрабатываемый объект явно указан в памяти
Какие состояния имеют нейроны МакКаллока-Питса?
0 и 1
любое значение из интервала (0,1)
Как должен изменяться вес входа нейрона по правилу Хебба?
вес входа должен уменьшаться при корреляции между входом и выходом нейрона
вес входа должен увеличиваться при корреляции между входом и выходом нейрона
В каких областях применяются нейрокомпьютеры?
для решения задач искусственного интеллекта
как инструмент изучения человеческого мозга
в системах управления и технического контроля
для создания спецвычислителей параллельного действия
для построения компиляторов программ
В чем заключается преимущество использования нейрона с непрерывной функцией активации?
возможность использования градиентных методов оптимизации при обучении нейрона
возможность определения глобального минимума целевой функции при обучении нейрона
Какой является функция активации персептрона?
ступенчатой
непрерывной
Какую функцию реализует адалайн?
квадратичную
дробно-линейную
линейную
Какую функцию реализует Паде-нейрон?
квадратичную
дробно-линейную
линейную
Какую задачу решает персептрон?
задачу аппроксимации непрерывных функций
задачу разделения двух классов
В чем заключается обучение персептрона?
в подборе весовых коэффициентов
в изменении функции активации
Какое преобразование реализует кубический нейрон ?
вычисляет полином третьей степени от компонент вектора входных сигналов нейрона
использует входной вектор как адрес ячейки памяти, хранящей результат (значение выходного сигнала)
Требуется ли обучающая выборка (учитель) для обучения нейронов WTA?
нет
да
Что такое персептрон?
нейрон МакКаллока-Питса
адалайн
сигмоидальный нейрон
Какой метод позволяет выйти из окрестности локального минимума?
градиентный метод
метод с моментом
В каком интервале изменяются значения биполярной функции сигмоидального нейрона?
(-2,2)
(-0.5, 0.5)
+(-1,1)
Что является важным свойством сигмоидальной функции?
скачкообразный характер изменения
дифференцируемость
Какая величина минимизируется при аппроксимации функции нейроном?
квадратичная ошибка
четвертая степень ошибки
В каком интервале изменяются значения униполярной функции сигмоидального нейрона?
(0,1)
(0, 0.5)
(0,2)
Если возможно безошибочное разделение классов, то можно ли его получить методом центров масс?
не всегда
да, безусловно
Какой способ построения линейного решающего правила является простейшим?
разделение центров масс
алгоритм обучения персептрона
Чем полезен метод центров масс?
как средство решения задачи линейного разделения
как средство определения начального значения вектора весов для алгоритма обучения персептрона
Что реализует персептрон в пространстве входных сигналов?
гиперэллипсоид
гиперплоскость
гиперсферу
В каком случае выходной сигнал персептрона будет положительным?
угол между вектором входных сигналов и вектором весов в расширенном пространстве меньше π
угол между вектором входных сигналов и вектором весов больше π
Как нужно модифицировать вектор весов, если входной вектор ошибочно отнесен персептроном ко второму классу (выходной сигнал – 0)?
вычесть часть вектора входных сигналов из вектора весов
сложить с вектором весов часть вектора входных сигналов
Что является условием остановки выполнения алгоритма обучения персептрона?
снижение разности между реальным выходным сигналом и требуемым до заданного ненулевого порога для всех векторов обучающей выборки
совпадение реального выходного сигнала с требуемым для всех векторов обучающей выборки
Какой вариант алгоритма обучения персептрона обладает наилучшей сходимостью?
обучение по отдельным примерам
обучение по страницам
обучение по всему задачнику
Чем ограничивается размер страницы в методе обучения персептрона по страницам?
скоростью обучения
емкостью оперативной памяти
Как соотносятся вектор весовых коэффициентов и разделяющая гиперплоскость?
вектор весов ортогонален гиперплоскости
вектор весов параллелен гиперплоскости
Как нужно модифицировать вектор весов, если входной вектор ошибочно отнесен персептроном к первому классу (выходной сигнал – 1)?
вычесть часть вектора входных сигналов из вектора весов
сложить с вектором весов часть вектора входных сигналов
Из какого интервала выбирается значение скорости обучения?
(1,2)
(0,1)
(-1,1)
Следует ли хранить все входные векторы, на которых нейрон ошибается, при обучении по всему задачнику?
да
нет
Какой тип обучения назван обучением с учителем?
обучение, при котором заданы требуемые значения выходных сигналов для всех обучающих входных векторов
обучение, при котором задано допустимое отклонение выходных сигналов от заданных
Какой способ построения решающего правила всегда достигает безошибочного линейного разделения классов, если оно возможно?
метод центров масс
алгоритм обучения персептрона
Как формулируется решающее правило, основанное на формуле Байеса?
объект x принадлежит классу Ci с минимальным значением апостериорной вероятности
P(Ci|x)
объект x принадлежит классу Ci с максимальным значением апостериорной вероятности
P(Ci|x)
Какой функцией описывается оптимальная разделяющая поверхность при нормальном распределении объектов двух классов?
квадратичной (второго порядка)
кубической (третьего порядка)
линейной (первого порядка)
Сколько слоев должна содержать нейронная сеть для выделения невыпуклой области?
один
два
три
Каким уравнением описывается гиперплоскость, реализующая функцию И?
x1 + x2 = 0,5
x1 + x2 = 1,5
Сколько разделяющих гиперплоскостей необходимо для реализации функции ИСКЛЮЧАЮЩЕЕ ИЛИ на нейронной сети?
три
две
одна
Сколько слоев должна содержать нейронная сеть для выделения выпуклой области?
один
два
три
Может ли персептрон реализовать функцию ИСКЛЮЧАЮЩЕЕ ИЛИ?
нет
да
Что реализуют нейроны первого слоя многослойной нейронной сети при решении задачи нелинейного разделения двух классов?
многогранники
гиперплоскости
В каком слое следует увеличить число нейронов, чтобы повысить точность аппроксимации выпуклых областей?
во втором
в третьем
в первом
Что является формализацией влияния возбуждения в одних областях мозга на возбуждение в других?
введение коэффициента, пропорционального сигналу одного нейрона, в величину веса сигнала другого нейрона
введение обратных связей в структуру нейронной сети
Чему должно быть равно значение t в уравнении
x1 + x2 + x3= t,
чтобы соответствующий нейрон реализовал функцию И?
любому числу из интервала (0,1)
любому числу из интервала (2,3)
любому числу из интервала (1,2)
Каким уравнением описывается гиперплоскость, реализующая функцию ИЛИ?
x1 + x2 = 0,5
x1 + x2 = 1,5
В каком слое следует увеличить число нейронов, чтобы увеличить число выпуклых областей, реализуемых сетью?
во втором
в третьем
в первом
Чему должно быть равно значение t в уравнении
x1 + x2 + x3= t,
чтобы соответствующий нейрон реализовал функцию ИЛИ?
любому числу из интервала (0,1)
любому числу из интервала (2,3)
любому числу из интервала (1,2)
Какие из нижеперечисленных сетей после подачи набора входных сигналов функционируют непрерывно?
полносвязная сеть
слоисто-циклическая сеть
многослойная сеть
Какая из многослойных сетей используется наиболее часто?
трехслойная
четырехслойная
двухслойная
Сколько нейронов полносвязной сети может быть использовано для выдачи выходных сигналов?
любое подмножество нейронов
один из нейронов
все нейроны
Для чего выполняется предобработка входных данных нейронной сети?
для повышения точности вычислений
для того, чтобы отобразить входные данные в заданный числовой отрезок
для фильтрации помех
Какой из видов интерпретации выходных сигналов сети обеспечивает максимальное количество классов при заданном числе нейронов в выходном слое?
порядковая интерпретация
правило "победитель забирает все"
знаковая интерпретация
Какие из нижеперечисленных сетей относятся к сетям периодического функционирования?
слоисто-полносвязные
полносвязно-слоистые
монотонные
Что нужно сделать для повышения константы Липшица многослойной сети?
увеличить число нейронов в слоях
увеличить число слоев сети
увеличить число входов сети
Что позволяет установить сравнение констант Липшица нейронной сети и аппроксимируемой функции?
принципиальную неспособность сети аппроксимировать функцию
принципиальную способность сети аппроксимировать функцию
Какое правило интерпретации выходных данных сети является наиболее распространенным?
знаковая интерпретация
правило "победитель забирает все"
порядковая интерпретация
Какие связи между слоями являются возбуждающими?
связи с отрицательными весами
связи с положительными весами
В какой сети каждый нейрон передает выходной сигнал на вход самому себе?
в полносвязной
в полносвязно-слоистой
в слоисто-полносвязной
в слоистой
в слоисто-циклической
Какие точки функции наиболее трудно аппроксимировать?
точки, в которых при большом изменении входных сигналов происходит малое изменение значения функции
точки, в которых при малом изменении входных сигналов происходит большое изменение значения функции
Что такое контрастер?
система, нормирующая выходные сигналы нейронной сети
система, упрощающая нейронную сеть
система, нормирующая входные сигналы нейронной сети
Какое правило интерпретации дает минимальное число классов?
знаковая интерпретация
правило "победитель забирает все"
порядковая интерпретация
В чем заключается нормировка входных данных нейронной сети?
в делении входных данных на заданную константу
в отображении входных данных в отрезок [0,1] или [-1,1]
В каком направлении осуществляется минимизация целевой функции в алгоритме обратного распространения ошибки?
в направлении антиградиента целевой функции
в направлении градиента целевой функции
На каком этапе алгоритма обратного распространения ошибки вычисляются производные функций активации нейронов многослойной сети?
при обратном распространении ошибки
при прямом распространении сигналов
Зависят ли выходные сигналы скрытых слоев оригинальной нейронной сети от весовых коэффициентов нейронов выходного слоя?
да
нет
Что подается на входы сети обратного распространения?
фактические выходные сигналы оригинальной нейронной сети
отклонения фактических выходных сигналов оригинальной нейронной сети от ожидаемых
На чем основан поиск минимума целевой функции в заданном направлении?
на случайном переборе значений коэффициента обучения
на полиномиальной аппроксимации целевой функции
В чем заключается цель одномерной оптимизации?
выбор величины шага в заданном направлении (подбор коэффициента обучения)
выбор направления минимизации целевой функции в пространстве весовых коэффициентов
К чему может привести чрезмерное увеличение коэффициента обучения?
к насыщению нейронов
к резкому возрастанию значения целевой функции (погрешности обучения)
Чем обусловлена возможность попадания целевой функции многослойной сигмоидальной сети в седловую зону?
насыщением сигмоидальной функции активации
наличием скрытых слоев
Что может вызвать неправильный выбор диапазона случайных значений весов?
колебания выходных сигналов нейронов
слишком раннее насыщение нейронов
слишком позднее насыщение нейронов
Когда завершается действие алгоритма обратного распространения?
когда фактические выходные сигналы совпадут с заданными
когда норма градиента целевой функции упадет ниже априори заданного значения, характеризующего точность процесса обучения
В каком интервале обычно лежат модули допустимых начальных значений весовых коэффициентов сети?
(1,2)
(2,3)
(0,1)
Как влияет увеличение числа входов нейронов на выбор начальных значений их весовых коэффициентов (кроме порогов)?
приводит к увеличению модулей весовых коэффициентов
приводит к уменьшению модулей весовых коэффициентов
Что способствует ускорению процесса обучения сети?
увеличение коэффициента обучения
уменьшение коэффициента обучения
Почему следует избегать насыщения нейронов?
нейрон, попавший в состояние насыщения, делает сеть неработоспособной
нейрон, попавший в состояние насыщения, не участвует в преобразовании данных
Какую операцию следует выполнить в алгоритме обратного распространения там, где дуги сходятся к одной вершине?
сложение произведений, полученных на этих дугах
перемножение произведений, полученных на этих дугах
Каких значений может достигать число параметров нейронной сети?
около 105
более 108
не более 103
Какие методы используются для учета ограничений параметров сети при обучении?
метод проекций
метод штрафных функций
партан-метод
Какие ограничения возникают при попытке осуществить обучение нейронной сети как решение задачи оптимизации?
необходимость найти достаточно широкую область, в которой значения всех минимизируемых функций близки к минимальным
необходимость высокого параллелизма при обучении
необходимость использования алгоритмов целочисленной оптимизации
астрономическое число параметров
В чем преимущество метода случайного выбора направления минимизации оценки?
быстродействие
простота
Какой из партан-методов дает лучшие результаты обучения сети?
модифицированный партан-метод
итерационный партан-метод
В чем заключается сложность использования метода Ньютона для обучения нейронных сетей?
большие вычислительные затраты
низкая точность вычислений
большой объем используемой памяти
Чем обусловлено преимущество квазиньютоновских методов перед методом наискорейшего спуска?
использованием результатов предыдущего шага
использованием матрицы вторых производных оценки
Когда производится рестарт алгоритма сопряженных градиентов?
когда число выполненных шагов минимизации превышает заданный порог
когда движение вдоль очередного выбранного направления спуска приводит к слишком маленькому шагу либо вообще не дает улучшения
Как обеспечить ортогональность нового градиента предыдущему направлению спуска в BFGS-методе?
как можно точнее проводить одномерную оптимизацию в поиске шага
учесть изменение градиента на предыдущем шаге
Какие этапы подготовки предшествуют обучению?
предобработка входных данных
выбор функции оценки
контрастирование нейронной сети
создание обучающей выборки
В каких случаях BFGS-метод превращается в метод сопряженных градиентов?
когда новый градиент практически ортогонален предыдущему направлению спуска
когда матрица вторых производных функции оценки положительно определена
Как обеспечить приобретение нейрокомпьютером новых навыков без существенной утраты старых?
нужно найти общую точку минимума большого числа функций
следует искать такую точку минимума оценки, что в достаточно большой ее окрестности значения оценки незначительно отличаются от минимума
Каковы требования к реализации наиболее трудоемких этапов алгоритма обучения нейрокомпьютера?
распараллеливание вычислений
снижение разрядности обрабатываемых данных
использование нейронной сети
Каким образом в квазиньютоновских и партан-методах выбирается начальное направление спуска?
случайным образом
по антиградиенту функции оценки
методом Ньютона
В каком случае новое решение в алгоритме имитации отжига принимается случайным образом?
при увеличении значения целевой функции
при уменьшении значения целевой функции
Что происходит с температурой при увеличении числа итераций алгоритма имитации отжига?
температура изменяется случайным образом
температура понижается
температура повышается
При каких значениях температуры увеличение значения целевой функции становится невозможным?
при понижении температуры до нуля
при повышении температуры до заданного критического значения
Что является наиболее сложной проблемой при создании нейрочипов?
создание схем сложения
создание схем умножения
создание межнейронных соединений
Чему пропорционален размер популяции?
количеству битов хромосомы
количеству оптимизируемых параметров
В чем заключается принцип элитарности?
в выборе наиболее приспособленных хромосом
в мутации наименее приспособленных хромосом
Что такое мутация?
исключение из популяции случайно выбранных хромосом
инверсия случайных битов хромосомы
Какой способ генерации новых виртуальных частиц является наиболее консервативным?
при рестартах
при падении скорости обучения ниже критической
при каждом вычислении оценок и градиентов
Какой способ генерации новых виртуальных частиц является наиболее перспективным?
при рестартах
при каждом вычислении оценок и градиентов
при падении скорости обучения ниже критической
Какие цели преследует метод виртуальных частиц?
снижение сложности вычислений целевой функции
вывод сети из возникающих при обучении локальных минимумов оценки
повышение устойчивости обученной сети
Какая доля хромосом подвергается мутации?
не более 5%
все
до 50%
Как ускорить имитацию отжига?
уменьшить коэффициент понижения температуры
заменить случайные начальные значения весов тщательно подобранными значениями с использованием предварительной обработки исходных данных
Как происходит отбор хромосом?
по принципу рулетки
случайным образом
по количеству ненулевых битов
К чему приводит слишком малая популяция хромосом?
к замедлению поиска глобального минимума
к замыканию в неглубоких локальных минимумах
К каким типам возмущений должны быть устойчивы навыки обучения нейрокомпьютера?
к разрушению части элементов сети
к случайным возмущениям входных сигналов
к изменению типа сети
к обучению новым примерам
к флуктуациям параметров сети
Когда завершается генетический процесс?
при выполнении максимально допустимого количества итераций
в момент генерации удовлетворительного решения
при выполнении заданного количества мутаций
Какое утверждение лежит в основе функционирования радиальных сетей?
нейронная сеть радиального типа функционирует по принципу многомерной интерполяции
нелинейные проекции образов в некоторое многомерное пространство могут быть линейно разделены с большей вероятностью, чем их проекции в пространство с меньшей размерностью
Почему радиальные функции называют функциями локальной аппроксимации?
радиальные функции имеют ненулевые значения в ограниченной области пространства
радиальные функции имеют аргументы ограниченной размерности
Почему аппроксимация, реализуемая сигмоидальной нейронной сетью, называется глобальной?
преобразование значения функции в произвольной точке пространства выполняется объединенными усилиями многих нейронов
преобразование значения функции в произвольной точке пространства выполняется одним нейроном
Почему для решения задачи классификации (т.е. разбиения пространства входных сигналов на области) в радиальной сети достаточно иметь два слоя нейронов?
радиальный нейрон реализует в пространстве входных сигналов гипершар, т.е. выпуклую область. Соответственно, двухслойная радиальная сеть может реализовать произвольную невыпуклую область как линейную суперпозицию гипершаров
в силу локальности преобразования, выполняемого радиальным нейроном
Какая операция лежит в основе функционирования радиального нейрона?
вычисление скалярного произведения вектора сигналов на вектор весовых коэффициентов
определение расстояния от вектора сигналов до центра радиальной функции
Что реализует радиальный нейрон в пространстве входных сигналов?
гиперплоскость
гиперсферу
Какую функцию обычно реализует выходной нейрон радиальной сети?
квадратичную
линейную
экспоненту
К чему приводит чрезмерное количество весовых коэффициентов сети?
к чрезмерно гладкой разделяющей гиперповерхности в пространстве входных сигналов
к ухудшению обобщающих свойств сети
Какими параметрами описывается радиальная функция Гаусса?
центр и ширина
вектор весовых коэффициентов
Какие значения принимает радиальная функция в окрестности центра?
отрицательные
ненулевые
нулевые
Каким образом радиальная сеть реализует преобразование всего множества данных?
как произведение локальных преобразований
как сумму локальных преобразований
Чем могут отличаться друг от друга функции радиальных нейронов?
структурой и параметрами
только параметрами
В каких случаях целесообразно использовать радиальную сеть?
в случае нерегулярности данных
в случае большой размерности пространства данных
в случае круговой симметрии данных
Как вычисляется вектор весов выходного нейрона радиальной сети?
как результат минимизации функции оценки сети
как результат решения системы линейных алгебраических уравнений
Что является аргументом радиальной функции?
скалярное произведение векторов
вектор входных данных
расстояние от образца до центра функции
Какие условия являются достаточными для сходимости переходных процессов в сети Хопфилда?
симметричность матрицы весов
неотрицательность весовых коэффициентов
отсутствие автосвязи
Как связаны между собой нейроны второго слоя сети Хемминга?
образуют кольцевую структуру
образуют тороидальную структуру
по принципу "каждый с каждым"
Какие нейроны используются в устройствах ассоциативной памяти?
нейроны с сигмоидальной функцией активации
нейроны со ступенчатой функцией активации
На запоминание каких систем векторов рассчитана сеть Хопфилда при обучении по правилу Хебба?
линейно независимых
ортогональных
Внимание !
Вопросы к тесту выложены исключительно в ознакомительных целях: количество вопросов может не совпадать с действительным, актуальность не поддерживается,- за решением теста Welcome to the cashier!
В каком слое сети Хемминга вычисляется расстояние Хемминга между входным вектором и вектором весов нейрона?
в первом
во втором
в третьем
Чему равно расстояние Хемминга между двумя векторами?
числу несовпадающих компонент двух векторов
норме разности двух векторов
К какому типу относится двунаправленная ассоциативная память?
автоассоциативная память
гетероассоциативная память
Какой из нейронов второго слоя сети Хемминга побеждает все остальные нейроны этого слоя?
нейрон с максимальным начальным сигналом на входе
нейрон с минимальным начальным сигналом на входе
Какие пары векторов запоминает двунаправленная ассоциативная память?
пары биполярных векторов
пары двоичных векторов
пары векторов с действительными значениями компонентов
Что является общей чертой рекуррентных сетей?
передача сигналов скрытого или выходного слоя на входной
рекуррентная процедура обучения сети
Что такое автосвязь?
связь выхода нейрона с его собственным входом
связь выхода сети Хемминга с ее входом
связь между вторым и третьим слоями сети Хемминга
В каком режиме функционирует второй слой сети Хемминга?
в режиме порядковой интерпретации
в режиме WTA
в режиме знаковой интерпретации
Какой метод обучения обеспечивает большую емкость ассоциативной памяти на основе сети Хопфилда?
метод Хебба
метод проекций
Что считается достоинством сети Хемминга?
отсутствие двунаправленного распространения сигналов
относительно небольшое количество связей между нейронами
сеть Хемминга дает лучшие результаты, чем сеть Хопфилда
Благодаря чему рекуррентные сети можно использовать в качестве ассоциативной памяти?
благодаря наличию весовых коэффициентов межнейронных соединений
благодаря наличию аттракторов функции энергии сети
Какие сети Хопфилда дают лучшие по качеству решения задачи коммивояжера?
сети с сигмоидальной функцией активации
сети со ступенчатой (пороговой) функцией активации
Как ведет себя сеть Хопфилда при малых значениях производной сигмовидной функции активации в окрестности нуля?
оказываются в центре гиперкуба решений (некорректное решение)
попадает в вершину гиперкуба, соответствующую локальному минимуму функции энергии
Какие значения функции энергии соответствуют более коротким маршрутам в задаче коммивояжера?
меньшие
большие
Как изменяется при понижении температуры вероятность перехода машины Больцмана в состояние с меньшим консенсусом?
остается постоянной
уменьшается
увеличивается
Какое состояние машины Больцмана считается соседним для данного состояния?
отличающееся состоянием всех нейронов
отличающееся состоянием половины всех нейронов
отличающееся состоянием одного нейрона
Какие значения консенсуса соответствуют более коротким маршрутам в задаче коммивояжера?
большие
меньшие
Какие связи в машине Больцмана, решающей задачу коммивояжера, обеспечивают хотя бы по одной единице в каждом столбце и в каждой строке матрицы нейронов?
ингибиторные связи
связи смещения
Как интерпретируется отрицательный весовой коэффициент связи в машине Больцмана?
связь желательна
связь нежелательна
Какое состояние машины Больцмана считается соседним для данного состояния?
отличающееся состоянием одного нейрона
отличающееся состоянием половины всех нейронов
отличающееся состоянием всех нейронов
Какой член функции энергии равен нулю, если матрица нейронов содержит количество единиц, равное числу городов в маршруте коммивояжера?
второй
четвертый
первый
третий
Какой член функции энергии равен нулю, если каждая строка матрицы нейронов содержит не более одной единицы?
второй
третий
четвертый
первый
Какой член функции энергии численно равен длине маршрута коммивояжера?
третий
первый
второй
четвертый
Что гарантируют связи смещений в машине Больцмана при решении задачи коммивояжера?
ни в одной строке и ни в одном столбце не будет более одной единицы
хотя бы по одной единице есть в каждом столбце и в каждой строке
Когда активна связь (Xi,Yj) ∈ Ed машины Больцмана?
когда в маршруте есть прямой путь из города X в город Y
когда длина прямого пути из города X в город Y меньше заданной величины
В каких случаях рекуррентные нейронные сети являются удобным инструментом прогнозирования временных рядов?
когда задача прогнозирования временных рядов может быть решена как задача локальной оптимизации
когда не существует адекватной математической модели изучаемых временных рядов
Как задана обратная связь в сети RMLP?
выходы нейронов скрытого слоя связаны со входами нейронов этого же слоя
выходы нейронов второго (выходного) слоя связаны со входами нейронов скрытого слоя
Для чего используется идентифицированная модель объекта?
для управления объектом
для прогнозирования выходных сигналов объекта
Для чего предназначена сеть Эльмана?
для моделирования временных рядов
для реализации устройств ассоциативной памяти
Что понимается под "памятью" экстраполятора?
те входные данные предшествующих тактов работы экстраполятора, которые используются для вычислений в данный момент
его весовые коэффициенты
Как задана обратная связь в сети Эльмана?
выходы нейронов второго (выходного) слоя связаны со входами нейронов скрытого слоя
выходы нейронов скрытого слоя связаны со входами нейронов этого же слоя
Какая величина минимизируется при идентификации динамического объекта нейронной сетью?
разность между выходными сигналами нейронной сети на двух следующих друг за другом тактах
разность между выходным сигналом сети и выходным сигналом динамического объекта
Чем сеть RTRN отличается от сети Эльмана?
меньшим количеством слоев
большим количеством слоев
тем, что в сети RTRN не все выходные сигналы нейронов используются в качестве выходных сигналов слоя
Для чего используется сеть RTRN?
для обработки сигналов в реальном времени
для идентификации динамических объектов
Какие данные образуют множество входных сигналов скрытого слоя сети Эльмана?
входные сигналы сети вместе с задержанными выходными сигналами сети
входные сигналы сети вместе с задержанными выходными сигналами скрытого слоя
Чему равно значение погрешности, управляющей процессом уточнения параметров нейронной сети RMLP?
разности выходного сигнала сети и выходного сигнала динамического объекта
разности выходных сигналов сети на двух, следующих друг за другом итерациях
Какие данные образуют множество входных сигналов скрытого слоя сети RMLP?
входные сигналы сети вместе с задержанными выходными сигналами сети
входные сигналы сети вместе с задержанными выходными сигналами скрытого слоя
Что минимизируется при компрессии данных сетью Кохонена?
погрешность квантования
размер кодовой таблицы
На каком свойстве сети Кохонена основана компрессия данных?
представление кластера векторов весовым вектором нейрона-победителя
снижение разрядности компонент векторов сигналов
К какой задаче в общем случае сводится задача прогноза данных на нейронной сети?
к задаче интерполяции полиномиальной функции многих переменных
к задаче воспроизведения вектор-функции многих переменных по данным обучающей выборки
Какие методы можно применять для прогноза временных рядов?
рекуррентные нейронные сети на базе персептрона
методы линейной алгебры
статистические
Применим ли алгоритм обратного распространения ошибки к обучению рекуррентных персептронных сетей?
применим с учетом зависимости сигналов от их значений в предыдущие моменты времени
неприменим
применим без изменений
Когда производится слияние двух классов?
когда расстояние между ядрами классов меньше, чем среднее расстояние от элемента класса до ядра в одном из них
когда расстояние между ядрами классов больше, чем среднее расстояние от элемента класса до ядра в одном из них
Какой тип соседства дает лучшие результаты обучения карты Кохонена?
гауссовское соседство
прямоугольное соседство
Какой алгоритм самоорганизации поощряет нейроны с наименьшей активностью?
WTM
WTA
CWTA
Какое правило обучения реализует алгоритм WTM?
победитель получает все
победитель получает больше
Когда в задаче классификации без учителя можно перейти от использования квадрата евклидова расстояния между входным сигналом и ядром к скалярному произведению входного сигнала и ядра?
когда компоненты векторов входных сигналов и ядер имеют действительные значения
когда векторы входных сигналов и ядер нормированы
Какие данные образуют кодовую таблицу при компрессии?
номера нейронов-победителей
веса нейронов-победителей
Какие нейроны изменяют свои веса при обучении сети Кохонена алгоритмом WTM?
только нейрон-победитель
нейрон-победитель с заданной его окрестностью
все нейроны сети
Какой тип соседства используется в классическом алгоритме Кохонена?
гауссовское
прямоугольное
Каким образом производится отнесение объекта к определенному классу при классификации без учителя?
путем сравнения объекта с типичными элементами разных классов и выбора из них ближайшего
путем сравнения объекта со всеми элементами разных классов и применения процедуры голосования
Чем определяется степень адаптации нейронов-соседей при использовании соседства гауссовского типа?
уровнем соседства
рангом соседа
евклидовым расстоянием между нейроном-победителем и нейроном-соседом
Каким образом определяется количество классов в методе динамических ядер?
путем начального задания достаточно большого числа ядер с последующим их слиянием
постепенным наращиванием числа ядер
Чему равен порог нейрона в слое сравнения?
2
1
3
Какой сигнал разрешает работу слоя распознавания?
G3
G2
G1
Когда схема сброса считает плохим сходство векторов x и С?
отношение числа единиц в векторах С и x не превышает порог
отношение числа единиц в векторах С и x превышает порог
Какой слой сети АРТ осуществляет запоминание векторов данных?
слой распознавания
слой сравнения
Благодаря какому свойству слоя распознавания только один нейрон в слое может быть активирован?
латеральное торможение
латеральное возбуждение
Какое устройство тормозит нейроны в слое распознавания?
слой сравнения
прм1
схема сброса
На каком этапе решения задачи классификации сетью АРТ модуль сброса вычисляет второй критерий сходства?
инициализация
поиск
распознавание
сравнение
обучение
В каком случае вектор x проходит на выход слоя сравнения без изменений?
при G1=1
при G1=0
Какой тип обучения используется в сетях АРТ?
с учителем
без учителя
В чем заключаются положительные качества сети АРТ?
сеть АРТ не теряет уже запомненные образы при предъявлении новых
сеть АРТ динамически запоминает новые образы без полного переобучения
сеть АРТ чувствительна к порядку предъявления образов
Как влияет значение порога схемы сброса на качество работы слоя распознавания?
чем больше порог, тем менее похожие векторы будут отнесены сетью к одному классу
чем меньше порог, тем менее похожие векторы будут отнесены сетью к одному классу
Из какого интервала берется значение порога схемы сброса?
(1,2)
(0,1)
(2,3)
Какой нейрон в слое распознавания подавляет все остальные?
нейрон с максимальным выходом
нейрон с минимальным выходом
Какого типа нелинейность используется в нейронах слоя сравнения?
ступенчатая функция
сигмоидальная функция
Какие из перечисленных ниже свойств присущи традиционным (четким) нейронным сетям?
высокая степень параллелизма
простота объяснения полученных результатов
надежность
способность к обучению
Какие методы включает в себя вычислительный интеллект (мягкие вычисления)?
синтаксический анализ
генетические вычисления
нейрокомпьютинг
метод ветвей и границ
нечеткую логику
Какие из следующих особенностей отличают мягкие экспертные системы от нечетких?
применение генетических алгоритмов
представление знаний в виде лингвистических переменных
представление знаний в форме нечетких продукций
представление знаний в виде обученных нейронных сетей
Какой из модулей системы нечеткого вывода суммирует результаты срабатывания произвольного множества правил вывода?
агрегатор
фазификатор
дефазификатор
Какая из функций принадлежности обладает наибольшим числом параметров?
треугольная
трапецеидальная
функция Гаусса
Какие слои сети TSK выполняют фазификацию переменных?
второй
пятый
третий
четвертый
первый
В каких слоях сети TSK производится настройка параметров при обучении?
Четвертый
второй
пятый
первый
третий
Какая из форм произведения функций принадлежности использует операцию выбора минимального значения?
алгебраическое произведение
логическое произведение
Параметры какой функции рассчитываются при обучении нечетких нейронных сетей?
фазификации
агрегирования
дефазификации
Какие параметры сети ТСК изменяются в процессе обучения?
параметры функций принадлежности
параметры полинома ТСК
параметры матрицы весов второго слоя
Почему модель Мамдани-Заде называют нечеткой нейронной сетью?
модель можно представить в виде многослойной структуры, напоминающей структуру классических нейронных сетей
в модели используется нечеткий вывод
модель использует сигмоидальную функцию активации
Что утверждает принцип "конструктивной неопределенности"?
точность и смысл дополняют друг друга, начиная с некоторого момента анализа
точность и смысл противоречат друг другу, начиная с некоторого момента анализа
Какие части должна содержать база знаний мягкой экспертной системы?
нечеткие нейронные сети
сети АРТ
рекуррентные нейронные сети
нечеткие продукции
процедуры интерпретации хромосом генетических алгоритмов
функции оптимальности
функции принадлежности
Какая функция фазификации используется в сети ТСК?
функция вида μA(x) = 1/(1+((x-C)/σ)2b)
трапецеидальная
треугольная
функция Гаусса
Каким методом можно выполнить дефазификацию нечеткого множества?
дефазификация относительно среднего минимума
дефазификация относительно центра
дефазификация относительно среднего максимума
дефазификация относительно среднего центра
Каковы цели редукции (контрастирования) нейронной сети?
ускорение обучения
сокращение объема используемой памяти
упрощение специализированных устройств
увеличение быстродействия
Что понимается под редукцией (сокращением) входных сигналов?
замена наименее значимых сигналов функцией остальных
исключение наименее значимых сигналов
масштабирование наименее значимых сигналов
Как вычисляется оценка значимости сигнала (параметра) на всей выборке входных сигналов?
как минимум модуля оценки по отдельным примерам
как максимум модуля оценки по отдельным примерам
как сумма модулей оценок по отдельным примерам
Какой показатель должен изменяться минимально при редукции нейронной сети?
выходной сигнал сети
скорость обучения сети
значение функции оценки качества работы сети
Как оценивается значимость входных сигналов сети?
по степени влияния изменения сигнала на выходной сигнал сети
по величине весового коэффициента соответствующей связи
по степени влияния изменения сигнала на функцию оценки качества работы сети
Как оценивается значимость параметра, изменяющегося во времени (например, в результате обучения)?
в качестве оценки значимости изменяющегося параметра берется среднее арифметическое оценок по значениям параметра
в качестве оценки значимости изменяющегося параметра берется минимум оценки по значениям параметра
в качестве оценки значимости изменяющегося параметра берется максимум оценки по значениям параметра
Какие варианты редукции существуют?
редукция "слева направо"
редукция "справа налево"
редукция "сверху вниз"
редукция "снизу вверх"
Какой должна быть проекция вектора F на каждом шаге ортогонализации базиса?
отрицательной
максимальной
минимальной
Что собой представляет бинаризация сумматора?
замена действительных значений входных сигналов двоичными значениями
замена действительных значений весовых коэффициентов двоичными значениями
замена сумматора комбинационной схемой на элементах базиса функций И, ИЛИ, НЕ
К каким функциям применим метод исключения параметров "сверху вниз" с ортогонализацией?
к любым
только к функциям вида F(x,w)= ϕ(Σiwifi(x))
Какой вариант процедуры отбрасывания наименее значимых параметров является простейшим?
замена отбрасываемого параметра на функцию остальных
обращение параметра в ноль
Какой вариант процедуры отбрасывания наименее значимых параметров является наилучшим?
обращение параметра в ноль
замена отбрасываемого параметра на функцию остальных
Какие этапы включает в себя оценивание показателя значимости?
оценивание показателя значимости для всей выборки векторов
оценивание показателя значимости для одной компоненты вектора (примера)
оценивание показателя значимости для вектора
Когда определение значимости через изменение выходного сигнала не имеет альтернатив?
когда рассматриваемая система является лишь подсистемой в некоторой системе
когда рассматриваемая система имеет обратные связи
Какими свойствами обладают нейрокомпьютеры для решения задач комбинаторной оптимизации?
полная разрядность операндов
малая разрядность операндов
использование операций с плавающей точкой
использование операций с фиксированной точкой
Какими свойствами обладают нейрокомпьютеры для решения задач распознавания образов?
полная разрядность операндов
использование операций с плавающей точкой
использование операций с фиксированной точкой
малая разрядность операндов
Какие подходы сочетают в себе гибридные нейрочипы?
цифровой
сигнальный
аналоговый
символьный
На какие типы подразделяются нейрочипы?
гибридные
цифровые
сигнальные
аналоговые
символьные
В качестве каких устройств используются электронные нейронные сети в персональных ЭВМ?
акселератор
контроллер устройств внешней памяти
аналого-цифровой преобразователь
Какой фактор является решающим для обеспечения высокой плотности соединений в оптических реализациях нейронных сетей?
световые источники и фотоприемники имеют малые размеры
световые лучи при взаимном пересечении не взаимодействуют
световые лучи имеют малое сечение
В чем заключаются преимущества оптической реализации нейронных сетей?
высокая точность вычислений
простота реализации большого количества межнейронных соединений
возможность одновременного срабатывания всех связей
Что используется для реализации матрицы весовых коэффициентов в оптических умножителях?
жидкокристаллический клапан
фотопленка
интерферометр Майкельсона
Какова разрядность векторного процессора NM6403?
64
16
128
32
Почему взаимное соединение нейронов с помощью световых лучей не требует изоляции между сигнальными путями?
световые потоки могут пересекаться, не влияя друг на друга
различные световые потоки имеют разные частоты
сигнальные пути могут располагаться в трех измерениях
Что используется в качестве единицы производительности нейросетей?
число сложений в секунду
число соединений в секунду
число умножений в секунду
Каким образом можно объединять нейропроцессоры NM6403 в параллельную систему?
посредством линков
посредством общих векторных регистров
посредством общих модулей памяти
Какова плотность записи оптических весов в голограммах?
до 1012 бит на куб. см
103 бит на куб. см
106 бит на куб. см
На какие категории подразделяются оптические НС?
голографические корреляторы
векторно-матричные умножители
дифракционные решетки
Вопросы к тесту выложены исключительно в ознакомительных целях: количество вопросов может не совпадать с действительным, актуальность не поддерживается,- за решением теста Welcome to the cashier!
В каком слое сети Хемминга вычисляется расстояние Хемминга между входным вектором и вектором весов нейрона?
в первом
во втором
в третьем
Чему равно расстояние Хемминга между двумя векторами?
числу несовпадающих компонент двух векторов
норме разности двух векторов
К какому типу относится двунаправленная ассоциативная память?
автоассоциативная память
гетероассоциативная память
Какой из нейронов второго слоя сети Хемминга побеждает все остальные нейроны этого слоя?
нейрон с максимальным начальным сигналом на входе
нейрон с минимальным начальным сигналом на входе
Какие пары векторов запоминает двунаправленная ассоциативная память?
пары биполярных векторов
пары двоичных векторов
пары векторов с действительными значениями компонентов
Что является общей чертой рекуррентных сетей?
передача сигналов скрытого или выходного слоя на входной
рекуррентная процедура обучения сети
Что такое автосвязь?
связь выхода нейрона с его собственным входом
связь выхода сети Хемминга с ее входом
связь между вторым и третьим слоями сети Хемминга
В каком режиме функционирует второй слой сети Хемминга?
в режиме порядковой интерпретации
в режиме WTA
в режиме знаковой интерпретации
Какой метод обучения обеспечивает большую емкость ассоциативной памяти на основе сети Хопфилда?
метод Хебба
метод проекций
Что считается достоинством сети Хемминга?
отсутствие двунаправленного распространения сигналов
относительно небольшое количество связей между нейронами
сеть Хемминга дает лучшие результаты, чем сеть Хопфилда
Благодаря чему рекуррентные сети можно использовать в качестве ассоциативной памяти?
благодаря наличию весовых коэффициентов межнейронных соединений
благодаря наличию аттракторов функции энергии сети
Какие сети Хопфилда дают лучшие по качеству решения задачи коммивояжера?
сети с сигмоидальной функцией активации
сети со ступенчатой (пороговой) функцией активации
Как ведет себя сеть Хопфилда при малых значениях производной сигмовидной функции активации в окрестности нуля?
оказываются в центре гиперкуба решений (некорректное решение)
попадает в вершину гиперкуба, соответствующую локальному минимуму функции энергии
Какие значения функции энергии соответствуют более коротким маршрутам в задаче коммивояжера?
меньшие
большие
Как изменяется при понижении температуры вероятность перехода машины Больцмана в состояние с меньшим консенсусом?
остается постоянной
уменьшается
увеличивается
Какое состояние машины Больцмана считается соседним для данного состояния?
отличающееся состоянием всех нейронов
отличающееся состоянием половины всех нейронов
отличающееся состоянием одного нейрона
Какие значения консенсуса соответствуют более коротким маршрутам в задаче коммивояжера?
большие
меньшие
Какие связи в машине Больцмана, решающей задачу коммивояжера, обеспечивают хотя бы по одной единице в каждом столбце и в каждой строке матрицы нейронов?
ингибиторные связи
связи смещения
Как интерпретируется отрицательный весовой коэффициент связи в машине Больцмана?
связь желательна
связь нежелательна
Какое состояние машины Больцмана считается соседним для данного состояния?
отличающееся состоянием одного нейрона
отличающееся состоянием половины всех нейронов
отличающееся состоянием всех нейронов
Какой член функции энергии равен нулю, если матрица нейронов содержит количество единиц, равное числу городов в маршруте коммивояжера?
второй
четвертый
первый
третий
Какой член функции энергии равен нулю, если каждая строка матрицы нейронов содержит не более одной единицы?
второй
третий
четвертый
первый
Какой член функции энергии численно равен длине маршрута коммивояжера?
третий
первый
второй
четвертый
Что гарантируют связи смещений в машине Больцмана при решении задачи коммивояжера?
ни в одной строке и ни в одном столбце не будет более одной единицы
хотя бы по одной единице есть в каждом столбце и в каждой строке
Когда активна связь (Xi,Yj) ∈ Ed машины Больцмана?
когда в маршруте есть прямой путь из города X в город Y
когда длина прямого пути из города X в город Y меньше заданной величины
В каких случаях рекуррентные нейронные сети являются удобным инструментом прогнозирования временных рядов?
когда задача прогнозирования временных рядов может быть решена как задача локальной оптимизации
когда не существует адекватной математической модели изучаемых временных рядов
Как задана обратная связь в сети RMLP?
выходы нейронов скрытого слоя связаны со входами нейронов этого же слоя
выходы нейронов второго (выходного) слоя связаны со входами нейронов скрытого слоя
Для чего используется идентифицированная модель объекта?
для управления объектом
для прогнозирования выходных сигналов объекта
Для чего предназначена сеть Эльмана?
для моделирования временных рядов
для реализации устройств ассоциативной памяти
Что понимается под "памятью" экстраполятора?
те входные данные предшествующих тактов работы экстраполятора, которые используются для вычислений в данный момент
его весовые коэффициенты
Как задана обратная связь в сети Эльмана?
выходы нейронов второго (выходного) слоя связаны со входами нейронов скрытого слоя
выходы нейронов скрытого слоя связаны со входами нейронов этого же слоя
Какая величина минимизируется при идентификации динамического объекта нейронной сетью?
разность между выходными сигналами нейронной сети на двух следующих друг за другом тактах
разность между выходным сигналом сети и выходным сигналом динамического объекта
Чем сеть RTRN отличается от сети Эльмана?
меньшим количеством слоев
большим количеством слоев
тем, что в сети RTRN не все выходные сигналы нейронов используются в качестве выходных сигналов слоя
Для чего используется сеть RTRN?
для обработки сигналов в реальном времени
для идентификации динамических объектов
Какие данные образуют множество входных сигналов скрытого слоя сети Эльмана?
входные сигналы сети вместе с задержанными выходными сигналами сети
входные сигналы сети вместе с задержанными выходными сигналами скрытого слоя
Чему равно значение погрешности, управляющей процессом уточнения параметров нейронной сети RMLP?
разности выходного сигнала сети и выходного сигнала динамического объекта
разности выходных сигналов сети на двух, следующих друг за другом итерациях
Какие данные образуют множество входных сигналов скрытого слоя сети RMLP?
входные сигналы сети вместе с задержанными выходными сигналами сети
входные сигналы сети вместе с задержанными выходными сигналами скрытого слоя
Что минимизируется при компрессии данных сетью Кохонена?
погрешность квантования
размер кодовой таблицы
На каком свойстве сети Кохонена основана компрессия данных?
представление кластера векторов весовым вектором нейрона-победителя
снижение разрядности компонент векторов сигналов
К какой задаче в общем случае сводится задача прогноза данных на нейронной сети?
к задаче интерполяции полиномиальной функции многих переменных
к задаче воспроизведения вектор-функции многих переменных по данным обучающей выборки
Какие методы можно применять для прогноза временных рядов?
рекуррентные нейронные сети на базе персептрона
методы линейной алгебры
статистические
Применим ли алгоритм обратного распространения ошибки к обучению рекуррентных персептронных сетей?
применим с учетом зависимости сигналов от их значений в предыдущие моменты времени
неприменим
применим без изменений
Когда производится слияние двух классов?
когда расстояние между ядрами классов меньше, чем среднее расстояние от элемента класса до ядра в одном из них
когда расстояние между ядрами классов больше, чем среднее расстояние от элемента класса до ядра в одном из них
Какой тип соседства дает лучшие результаты обучения карты Кохонена?
гауссовское соседство
прямоугольное соседство
Какой алгоритм самоорганизации поощряет нейроны с наименьшей активностью?
WTM
WTA
CWTA
Какое правило обучения реализует алгоритм WTM?
победитель получает все
победитель получает больше
Когда в задаче классификации без учителя можно перейти от использования квадрата евклидова расстояния между входным сигналом и ядром к скалярному произведению входного сигнала и ядра?
когда компоненты векторов входных сигналов и ядер имеют действительные значения
когда векторы входных сигналов и ядер нормированы
Какие данные образуют кодовую таблицу при компрессии?
номера нейронов-победителей
веса нейронов-победителей
Какие нейроны изменяют свои веса при обучении сети Кохонена алгоритмом WTM?
только нейрон-победитель
нейрон-победитель с заданной его окрестностью
все нейроны сети
Какой тип соседства используется в классическом алгоритме Кохонена?
гауссовское
прямоугольное
Каким образом производится отнесение объекта к определенному классу при классификации без учителя?
путем сравнения объекта с типичными элементами разных классов и выбора из них ближайшего
путем сравнения объекта со всеми элементами разных классов и применения процедуры голосования
Чем определяется степень адаптации нейронов-соседей при использовании соседства гауссовского типа?
уровнем соседства
рангом соседа
евклидовым расстоянием между нейроном-победителем и нейроном-соседом
Каким образом определяется количество классов в методе динамических ядер?
путем начального задания достаточно большого числа ядер с последующим их слиянием
постепенным наращиванием числа ядер
Чему равен порог нейрона в слое сравнения?
2
1
3
Какой сигнал разрешает работу слоя распознавания?
G3
G2
G1
Когда схема сброса считает плохим сходство векторов x и С?
отношение числа единиц в векторах С и x не превышает порог
отношение числа единиц в векторах С и x превышает порог
Какой слой сети АРТ осуществляет запоминание векторов данных?
слой распознавания
слой сравнения
Благодаря какому свойству слоя распознавания только один нейрон в слое может быть активирован?
латеральное торможение
латеральное возбуждение
Какое устройство тормозит нейроны в слое распознавания?
слой сравнения
прм1
схема сброса
На каком этапе решения задачи классификации сетью АРТ модуль сброса вычисляет второй критерий сходства?
инициализация
поиск
распознавание
сравнение
обучение
В каком случае вектор x проходит на выход слоя сравнения без изменений?
при G1=1
при G1=0
Какой тип обучения используется в сетях АРТ?
с учителем
без учителя
В чем заключаются положительные качества сети АРТ?
сеть АРТ не теряет уже запомненные образы при предъявлении новых
сеть АРТ динамически запоминает новые образы без полного переобучения
сеть АРТ чувствительна к порядку предъявления образов
Как влияет значение порога схемы сброса на качество работы слоя распознавания?
чем больше порог, тем менее похожие векторы будут отнесены сетью к одному классу
чем меньше порог, тем менее похожие векторы будут отнесены сетью к одному классу
Из какого интервала берется значение порога схемы сброса?
(1,2)
(0,1)
(2,3)
Какой нейрон в слое распознавания подавляет все остальные?
нейрон с максимальным выходом
нейрон с минимальным выходом
Какого типа нелинейность используется в нейронах слоя сравнения?
ступенчатая функция
сигмоидальная функция
Какие из перечисленных ниже свойств присущи традиционным (четким) нейронным сетям?
высокая степень параллелизма
простота объяснения полученных результатов
надежность
способность к обучению
Какие методы включает в себя вычислительный интеллект (мягкие вычисления)?
синтаксический анализ
генетические вычисления
нейрокомпьютинг
метод ветвей и границ
нечеткую логику
Какие из следующих особенностей отличают мягкие экспертные системы от нечетких?
применение генетических алгоритмов
представление знаний в виде лингвистических переменных
представление знаний в форме нечетких продукций
представление знаний в виде обученных нейронных сетей
Какой из модулей системы нечеткого вывода суммирует результаты срабатывания произвольного множества правил вывода?
агрегатор
фазификатор
дефазификатор
Какая из функций принадлежности обладает наибольшим числом параметров?
треугольная
трапецеидальная
функция Гаусса
Какие слои сети TSK выполняют фазификацию переменных?
второй
пятый
третий
четвертый
первый
В каких слоях сети TSK производится настройка параметров при обучении?
Четвертый
второй
пятый
первый
третий
Какая из форм произведения функций принадлежности использует операцию выбора минимального значения?
алгебраическое произведение
логическое произведение
Параметры какой функции рассчитываются при обучении нечетких нейронных сетей?
фазификации
агрегирования
дефазификации
Какие параметры сети ТСК изменяются в процессе обучения?
параметры функций принадлежности
параметры полинома ТСК
параметры матрицы весов второго слоя
Почему модель Мамдани-Заде называют нечеткой нейронной сетью?
модель можно представить в виде многослойной структуры, напоминающей структуру классических нейронных сетей
в модели используется нечеткий вывод
модель использует сигмоидальную функцию активации
Что утверждает принцип "конструктивной неопределенности"?
точность и смысл дополняют друг друга, начиная с некоторого момента анализа
точность и смысл противоречат друг другу, начиная с некоторого момента анализа
Какие части должна содержать база знаний мягкой экспертной системы?
нечеткие нейронные сети
сети АРТ
рекуррентные нейронные сети
нечеткие продукции
процедуры интерпретации хромосом генетических алгоритмов
функции оптимальности
функции принадлежности
Какая функция фазификации используется в сети ТСК?
функция вида μA(x) = 1/(1+((x-C)/σ)2b)
трапецеидальная
треугольная
функция Гаусса
Каким методом можно выполнить дефазификацию нечеткого множества?
дефазификация относительно среднего минимума
дефазификация относительно центра
дефазификация относительно среднего максимума
дефазификация относительно среднего центра
Каковы цели редукции (контрастирования) нейронной сети?
ускорение обучения
сокращение объема используемой памяти
упрощение специализированных устройств
увеличение быстродействия
Что понимается под редукцией (сокращением) входных сигналов?
замена наименее значимых сигналов функцией остальных
исключение наименее значимых сигналов
масштабирование наименее значимых сигналов
Как вычисляется оценка значимости сигнала (параметра) на всей выборке входных сигналов?
как минимум модуля оценки по отдельным примерам
как максимум модуля оценки по отдельным примерам
как сумма модулей оценок по отдельным примерам
Какой показатель должен изменяться минимально при редукции нейронной сети?
выходной сигнал сети
скорость обучения сети
значение функции оценки качества работы сети
Как оценивается значимость входных сигналов сети?
по степени влияния изменения сигнала на выходной сигнал сети
по величине весового коэффициента соответствующей связи
по степени влияния изменения сигнала на функцию оценки качества работы сети
Как оценивается значимость параметра, изменяющегося во времени (например, в результате обучения)?
в качестве оценки значимости изменяющегося параметра берется среднее арифметическое оценок по значениям параметра
в качестве оценки значимости изменяющегося параметра берется минимум оценки по значениям параметра
в качестве оценки значимости изменяющегося параметра берется максимум оценки по значениям параметра
Какие варианты редукции существуют?
редукция "слева направо"
редукция "справа налево"
редукция "сверху вниз"
редукция "снизу вверх"
Какой должна быть проекция вектора F на каждом шаге ортогонализации базиса?
отрицательной
максимальной
минимальной
Что собой представляет бинаризация сумматора?
замена действительных значений входных сигналов двоичными значениями
замена действительных значений весовых коэффициентов двоичными значениями
замена сумматора комбинационной схемой на элементах базиса функций И, ИЛИ, НЕ
К каким функциям применим метод исключения параметров "сверху вниз" с ортогонализацией?
к любым
только к функциям вида F(x,w)= ϕ(Σiwifi(x))
Какой вариант процедуры отбрасывания наименее значимых параметров является простейшим?
замена отбрасываемого параметра на функцию остальных
обращение параметра в ноль
Какой вариант процедуры отбрасывания наименее значимых параметров является наилучшим?
обращение параметра в ноль
замена отбрасываемого параметра на функцию остальных
Какие этапы включает в себя оценивание показателя значимости?
оценивание показателя значимости для всей выборки векторов
оценивание показателя значимости для одной компоненты вектора (примера)
оценивание показателя значимости для вектора
Когда определение значимости через изменение выходного сигнала не имеет альтернатив?
когда рассматриваемая система является лишь подсистемой в некоторой системе
когда рассматриваемая система имеет обратные связи
Какими свойствами обладают нейрокомпьютеры для решения задач комбинаторной оптимизации?
полная разрядность операндов
малая разрядность операндов
использование операций с плавающей точкой
использование операций с фиксированной точкой
Какими свойствами обладают нейрокомпьютеры для решения задач распознавания образов?
полная разрядность операндов
использование операций с плавающей точкой
использование операций с фиксированной точкой
малая разрядность операндов
Какие подходы сочетают в себе гибридные нейрочипы?
цифровой
сигнальный
аналоговый
символьный
На какие типы подразделяются нейрочипы?
гибридные
цифровые
сигнальные
аналоговые
символьные
В качестве каких устройств используются электронные нейронные сети в персональных ЭВМ?
акселератор
контроллер устройств внешней памяти
аналого-цифровой преобразователь
Какой фактор является решающим для обеспечения высокой плотности соединений в оптических реализациях нейронных сетей?
световые источники и фотоприемники имеют малые размеры
световые лучи при взаимном пересечении не взаимодействуют
световые лучи имеют малое сечение
В чем заключаются преимущества оптической реализации нейронных сетей?
высокая точность вычислений
простота реализации большого количества межнейронных соединений
возможность одновременного срабатывания всех связей
Что используется для реализации матрицы весовых коэффициентов в оптических умножителях?
жидкокристаллический клапан
фотопленка
интерферометр Майкельсона
Какова разрядность векторного процессора NM6403?
64
16
128
32
Почему взаимное соединение нейронов с помощью световых лучей не требует изоляции между сигнальными путями?
световые потоки могут пересекаться, не влияя друг на друга
различные световые потоки имеют разные частоты
сигнальные пути могут располагаться в трех измерениях
Что используется в качестве единицы производительности нейросетей?
число сложений в секунду
число соединений в секунду
число умножений в секунду
Каким образом можно объединять нейропроцессоры NM6403 в параллельную систему?
посредством линков
посредством общих векторных регистров
посредством общих модулей памяти
Какова плотность записи оптических весов в голограммах?
до 1012 бит на куб. см
103 бит на куб. см
106 бит на куб. см
На какие категории подразделяются оптические НС?
голографические корреляторы
векторно-матричные умножители
дифракционные решетки
Вы можете обратится к нам напрямую, через:
По Skype: molodoyberkut
По Telegram: @MolodoyBerkut
По ICQ: 657089516
Или через форму обратной связи на нашем сайте
По Skype: molodoyberkut По Telegram: @MolodoyBerkut По ICQ: 657089516Или через форму обратной связи на нашем сайте
Пока сочиняется...
Экзамен "Нейрокомпьютерные системы" для пользователей и системных администраторов.
