1. Разбиение пространства признаков на классы нейронной сетью может не соответствовать реальной из-за:
1 балл
Нехватки нейронов в сети
Случайности процесса обучения
Наличия шума
Переобучения сети
2. Особенности карты Кохонена:
1 балл
Состоит из нейронов, каждый из которых определяет свой класс
Состоит из перспептронов (иногда дополнена РБФ-нейронами)
Выполняет анализ векторов размерности равной размерности весов
Может определить принадлежность к классу точек не из обучающей выборки
3. Сколько входов и выходов будет в сети, распознающей алфавит "abcdefghi", где каждая буква отрисовывается в поле 7х11?
1 балл
18 входов, 77 выходов
393 входа, 2 выхода
9 входов, 18 выходов
77 входов, 9 выходов
4. РБФ-нейрон:
1 балл
Разрезает пространство гиперплоскостью
Восприимчив к методу обратного распространения ошибки
Позволяет наделять вектора входа и весов одинаковым смысловым значением
Выдает тем большее значение, чем больше вход похож на вектор весов
5. С помощью какого канала удобнее отличить красный цвет от синего?
1 балл
L-канал
S-канал
H-канал
R-канал
B-канал
6. Какое ядерное преобразование может разделить входные данные функции XOR
(x_1, x_2)
для анализа сетью из 1 нейрона?
1 балл
{x_1}^2+{x_2}^2
\left| x_1 + x_2\right|
{x_1}^{x_2}
x_1 - x_2
7. Пусть для образа X (9,2,3) вес нейрона-победителя определен вектором (8,3,2). Как изменится вес последнего, если
\varepsilon = 0.1
?
1 балл
(8.1, 2.9, 2.1)
(8.2, 2.9, 2.3)
(8.3, 2.8, 2.2)
(8, 2.7, 2.1)
×
Практика, практика и еще раз практика!
Войдите
или
зарегистрируйтесь
, чтобы отвечать на тесты и решать задачи.