В каждый момент времени свое состояние меняет лишь один нейрон
в каждый момент времени состояние меняется у целой группы нейронов
выход каждого нейрона может принимать только значение логического нуля («заторможенность») или логической единицы («возбуждение»)
* выходные значения нейронов способны принимать непрерывные значения
выходные значения отрицательны
Нейрон (нервная клетка) получает сигналы (импульсы) от других нейронов через
аксоны
* дендриты
плазму своего тела
ядро клетки
сому клетки
Выберите верное утверждение
интенсивность сигнала, получаемого нейроном зависит от активности синапсов
возможность активации нейрона зависит от активности синапсов
задачи компрессии и декомпрессии информации возможно решать на базе нейронных сетей
* все утверждения верны
величина активации нейрона называется постсинаптическим потенциалом нейрона
Активационная функция нейрона может иметь вид
*
Если выход каждого нейрона может принимать только значение логического нуля или логической единицы, то такая нейронная сеть называется
унарной
* бинарной
аналоговой
цифровой
логической
Если выходные значения нейронов способны принимать непрерывные значения, то такая нейронная сеть называется
Цифровой
логической
* аналоговой
дискретной
непрерывной
Определяющим принципом работы нейронной сети является
последовательная обработка данных
обработка данных в соответствии с моделью систем массового обслуживания
системы амбулаторной диагностики
базы и банки данных медицинских учреждений
* параллельная обработка данных
Для модели искусственного нейрона на аксоны возложена следующая функция
обработка входных сигналов
* преобразование обработанных входных сигналов в выходные
прием сигналов с других нейронов
переключение нейрона в активное состояние
торможение активности нейрона
В чем заключается задача распознавания образов и классификации?
только в получении входного образа
только в определении принадлежности входного образа одному или нескольким определенным классам
* в определении принадлежности входного образа одному или нескольким определенным классам и его идентификации
в оптимизации входного образа
в описании характеристик входного объекта
Выберите ложное утверждение
для перцептрона характерно использование функции единичного скачка
интенсивность сигнала, получаемого нейроном, зависит от активности синапсов
PSP – это величина активации нейрона
* перцептрон не может быть однослойной нейронной сетью
нейрокомпьютер как вычислительная система реализован на нейросетевом логическом базисе, в котором не используются операции «И», «ИЛИ», «НЕТ»
Перцептроном называется
нейрон, на выходе которого может быть только бинарный сигнал
нейрон, на выходе которого может быть только непрерывный сигнал
многослойная нейронная сеть с активационными функциями линейного порога
трехслойная нейронная сеть
* нейронная сеть слоистой структуры с активационными функциями единичного скачка
Для перцептрона характерно использование следующей функции активации
функция линейного порога
экспоненцияльная функция
сигмоидальная униполярная функция
* функция единичного скачка
тригонометрический синус
Для аналоговых нейронных сетей выходные сигналы
ограничены интервалом [0;1]
* являются непрерывными
являются дискретными
принимают значения либо 0 либо 1
являются отрицательными
Нейрокомпьютер как вычислительная система реализован
на базисе булевой алгебры
с возможностью прямого программирования задач
* на нейросетевом логическом базисе
с использованием четкой логики
все варианты ошибочны
Интенсивность сигнала, получаемая искусственным нейроном зависит от
активности дендритов
порога чувствительности сомы
значения PSP
* активности синапсов
все варианты ошибочны
Величина активации нейрона (PSP) вычисляется следующим образом
из порогового значения вычитается взвешенная сумма входных сигналов
* вычисляется взвешенная сумма входных сигналов и из нее вычитается пороговое значение
из каждого значения входного сигнала вычитается пороговое значение
из порогового значения вычитается взвешенная сумма входных сигналов и подставляется в функцию активации
все варианты ошибочны
Функция единичного скачка представлена следующим графиком
*
Заторможенное состояние искусственного нейрона в бинарных нейронных сетях характеризуется
логической единицей на выходе нейрона
логическим нулем на входе нейрона
* логическим нулем на выходе нейрона
отрицательными входными сигналами
тем, что в этом случае значение PSP<0
Возбужденное состояние искусственного нейрона в бинарных нейронных сетях характеризуется