Нс / Коллок. 2к.т

Для каких векторов МСП может рассчитывать выходной вектор y? – +: для любого входного вектора x; +: для ограниченного набора векторов x; +: для единственного входного вектора x.

В чем состоит формализация постановки задачи для МСП? +: наделение определенным смыслом компонент входного и выходного векторов.

В чем состоит задача классификации объетов? +: в выборе класса принадлежности объекта, характеризуемого набором параметров p.

Что является решением задачи классификации? – вектор c = (c₁, …, с_M)^T, где c_m – это вероятность, с которой объект относится к классу C_m.

Что является выходом МСП при решении задачи классификации объектов? – +: приближенные вероятности принадлежности к классам; +: точные вероятности принадлежности к классам.

Какие значения компонентов выходного вектора c_m могут быть в задаче классификации объектов? – +: допускается c_m ≤ 0, c_m ≥ 1.

Что соответствует каждому входу МСП в задаче распознавания букв алфавита соответствует? +: один пиксел.

Что может является выходом МСП в задаче распознавания букв алфавита? – +: номер буквы в алфавите; +: вероятность соответствия предъявленного изображения данной букве.

В каком виде необходимо представить буквы для их распознавания с помощью МСП? – +: в виде точечных изображений.

Что является компонентами входного вектора МСП в задаче распознавания букв? – +: яркости пикселов.

С чем связан выбор количества нейронов и слоев в МСП? – +: со сложностью задачи; +: с количеством данных для обучения; +: с необходимым количеством входов и выходов сети.

Что необходимо учитывать для выбора количества нейронов и слоев в МСП? –+: имеющися в наличии вычислительные ресурсы; +: сложность задачи; +: объем обучающей выборки.

К чему приводит недостаточное количество нейронов и слоев в МСП? – +: сеть не обучится и ошибка при работе сети останется большой; +: на выходе сети не будут передаваться резкие колебания аппроксимируемой функции.

К чему приводит избыточное количество нейронов и слоев в МСП? – +: выходной вектор будет передавать незначительные и несущественные детали в изучаемой зависимости; +: зависимость выхода от входа окажется резко нелинейной.

Что произойдет в случае избыточного количества нейронов и слоев в МСП? – +: сеть будет неспособна к обобщению; +: уменьшится быстродействие сети.

Какой вид имеет решающая поверхность для двухвходового нейрона? – +: прямой.

Что может сформировать двухслойная сеть при моделировании пересечения? – +: выпуклую многоугольную односвязную решающую область.

Какие значения принимает функция "исключающее ИЛИ"? – +: единицы, когда один из аргументов равен единице; +: нуля, когда оба аргумента равны нулю.

Что является сутью метода обратного распространения ошибки? –быстрый расчет +: градиента функции ошибки; +: антиградиента функции ошибки.

Что влияет на значение выходного сигнала двухслойной сети? – +: веса обоих слоев.

Что лежит в основу алгоритма обратного распространения ошибки? – +: минимизация квадратичной суммы разностей.

Когда завершается процесс обучения МСП с помощью алгоритма обратного распространения ошибки? – +: когда модуль градиента не уменьшится до заданной величины.

Каковы этапы алгоритма обратного распространения ошибки? 1: Анализ нейронной сети в прямом направлении передачи информации; 2: Создание сети обратного распространения ошибок; 3: Уточнение весов для исходной сети и для сети обратного распространения ошибки; 4: Повторение процесса для всех обучающих примеров вплоть до выполнения условия остановки алгоритма.

Каковы шаги алгоритма обратного распространения ошибки? – 1: присвоение весам случайных значений; 2: выбор обучающей выборки; 3: вычисление выхода сети; 4: вычисление ошибки сети; 5: корректировка весов сети.

Сколько слоев достаточно для применения алгоритма обратного распространения ошибки? – +: достаточно двух слоев.

Чем задается вектор параметров сети в алгоритме обратного распространения ошибки? – набором +: весовых коэффициентов; +: пороговых уровней.

Какой метод используется для расчета градиента функции ошибки? – +: наискорейшего спуска; +: градиентного спуска.

Что распространяется в алгоритме обратного распространения во время прямого прохода по сети? – +: сумма взвешенных сигналов.

Что распространяется в алгоритме обратного распространения во время обратного прохода по сети? – +: значение ошибки.