1. Количество нейронов для решения задачи регресcии...
1 балл
Высчитывается через веса и количество входов
Прямо пропорционально качеству полученного решения
Определяется эксперементально
Зависит от сложности функции
2. Решение задачи регрессии позволяет:
1 балл
Непосредственно измерить коэффициенты исходной функции
Получить закономерность, очищенную от шума
Подобрать исходные параметры в обратной задаче
Объяснить эксперементальную базу
Спрогнозировать результаты эксперимента
3. Какая из этих функций не требует нормировки на интервале [-2,2] при функции активации
\tanh \left(x \right))
.
1 балл
\frac{{x}^{2}-1}{3}
\frac{2}{\sqrt{x}}
1 - \cos 2x
\frac{1}{\exp x}
4. Преимущества регрессии перед интерполяцией:
1 балл
Более точное описание данных, полученных эксперементально
Возможность перейти к обратной задаче выше
Учитываются погрешности измерений
Полученная закономерность лучше описывает реальное положение дел
5. На скорость обучения нейронной сети не влияет:
1 балл
Функция активации
Величина входа
Конфигурация сети
Величина коэффициента
\varepsilon
Все влияют
6. Решить проблему попадания в зону активации функции
\tanh \beta x
можно:
1 балл
Подбором весов только на входных узлах и нормировкой входов всех узлов
Подбором весов только на входных узлах
Подбором коэффициента
\beta
Подбором весов на всех узлах и нормировкой входных узлов
7. При каких уровнях ошибки систему с величиной шума 0,3 может считать обученной?
1 балл
Конторльная выборка 0,15 Обучающая выборка 0,1
Контрольная выборка 0,6 Обучающая выборка 0,5
Контрольная выборка 0,4 Обучающая выборка 0
Контрольная выборка 0,1 Обучающая выборка -0,4
×
Практика, практика и еще раз практика!
Войдите
или
зарегистрируйтесь
, чтобы отвечать на тесты и решать задачи.