Нейронные сети и машинное обучение (тест с ответами Синергия/МОИ/ МТИ /МОСАП)
ИТОГОВЫЙ ТЕСТ
60 вопросов с ответами
Последний раз тест был сдан на 100 баллов из 100 "Отлично".
Год сдачи -2023-2024.
***ВАЖНО*** Перед покупкой запустите тест и сверьте подходят ли эти ответы именно Вам***
После покупки Вы получите файл с ответами на вопросы которые указаны ниже:
1. "Обучение без учителя" характеризуется отсутствием:
*желаемого выхода сети
*эксперта, корректирующего процесс обучения
*обучающего множества
2. "Обучение с учителем" это:
*использование знаний эксперта
*использование сравнения с идеальными ответами
*подстройка входных данных для получения нужных выходов
*подстройка матрицы весов для получения нужных ответов
3. Активационной функцией называется:
*функция, вычисляющая выходной сигнал нейрона
*функция, суммирующая входные сигналы нейрона
*функция, корректирующая весовые значения
*функция, распределяющая входные сигналы по нейронам
4. Алгоритм k-средних предназначен для решения задачи:
*классификации
*кластеризации
*прогнозирования
*снижения размерности
5. Большие данные – это:
*данные объемом более 1Тб
*данные объемом более 10Тб
*данные объемом более 100Тб
*нет ограничений на минимальный объем
6. В 2016 году программа AlphaGo обыграла одного из мировых по шахматам чемпионов Ли Седоля. Следующий турнир за звание мирового чемпиона запланирован на май 2017. Какая компания разработала ИИ AlphaGo?
*Microsoft
*Yandex
7. В какие игры нейросеть еще не научилась обыгрывать человека?
*шахматы
*бридж
* «Марио»
*Го
8. В каких условиях используется дерево решений в процессе формирование решений
*в условиях риска
*в условиях неопределенности
*в условиях полной определенности и информированности
*в условиях конфиденциальности.
9. В каком случае многослойные сети не могут привести к увеличению вычислительной мощности по сравнению с однослойной сетью?
*если они имеют два слоя
*если они не имеют обратных связей
*если они имеют сжимающую активационную функцию
*если они имеют линейную активационную функцию
10. В чем отличие нейросетевых технологий от обычных экспертных систем
*не требуют аналитической обработки данных
*не требуют указания приоритетов и ограничений
*не требуют ввода информации
*не требуют программирования, так как настраиваются на нужды пользователя
11. Вопрос о выборе шага при применении процедуры обучения решается следующим образом:
*веса и порог следует изменять на 1
*веса и порог следует изменять на число ≤1
*веса и порог следует изменять на целое число
*веса и порог менять не следует
12. Дендритами называются:
*точки соединения нейронов, через которые передаются нейронные сигналы
*"усики" нейронов, по которым проходят электрохимические сигналы
*тело нейрона, в котором происходит обработка электрохимического сигнала
*скопления нейронов
13. Допустим, нам нужно рассчитать необходимые параметры для создания обшивки самолета. Какая из областей машинного обучения нам в этом пригодится?
*обучение ранжированию
*предсказательное моделирование
*латентная модель
*компьютерное зрение
14. Если на данной обучающей паре символ персептрона не совпадает с нужным ответом, то:
*нужно изменять все весовые значения
*нужно изменять все весовые значения между одновременно активными нейронами
*нужно запускать другую обучающую пару
*нужно завершить процесс обучения
15. Если сеть имеет очень большое число нейронов в скрытых слоях, то:
*время, необходимое на обучение сети, минимально
* возможно переобучение сети
*сеть может оказаться недостаточно гибкой для решения поставленной задачи
*время, необходимое на обучение сети, максимально
16. Если сеть содержит два промежуточных слоя, то она моделирует:
*по одной выпуклой «взвешенности» для каждого скрытого элемента первого слоя
*по одному «сигмовидному склону» для каждого скрытого элемента
* по одной выпуклой «взвешенности» для каждого скрытого элемента второго слоя
*одну выпуклую «взвешенность»
17. Запускаем обучающий вектор Х. В каком случае весовые значения не нужно изменять?
* если на выходе сеть даст 0
*если на выходе сеть даст 1
*если сигнал персептрона совпадает с правильным ответом
*если сигнал персептрона не совпадает с правильным ответом
18. Искусственные нейронные сети (ИНС) — модели машинного обучения, использующие комбинации распределенных простых операций, зависящих от обучаемых параметров, для обработки входных данных. Какого вида ИНС не существует?
*импульсные
*противоборствующие
* наивные
*рекуррентные
19. Искусственный интеллект научился разбираться в музыке. Насколько хорошо работает программа по определению музыкальных стилей? Сможет ли такая программа справиться с заданием типа «Угадай мелодию» в режиме реального времени?
* да, лучше, чем программа, написанная вручную
*да, но программа написанная вручную будет точнее
*нет, в режиме реального времени программа не справится
*справится, но не в режиме реального времени
20. Искусственный нейрон
*является моделью биологического нейрона
*не существует
* имитирует основные функции биологического нейрона
*по своей функциональности превосходит биологический нейрон
21. К какому времени относятся первые упоминания об искусственно созданных человекоподобных существах?
* период до н.э. (в источниках Древнего Египта)
*период Возрождения (в трудах Да Винчи)XX век (в материалах, появившихся после *возникновения обучающих алгоритмов)
*XXI век (в материалах, появившихся после возникновения искусственного интеллекта)
22. Как происходит обучение нейронной сети?
*эксперты настраивают нейронную сеть
*сеть запускается на обучающем множестве, и незадействованные нейроны выкидываются
* сеть запускается на обучающем множестве, и подстраиваются весовые значения
*сеть запускается на обучающем множестве, и добавляются или убираются соединения между нейронами
23. Какие виды обучения нейронных сетей вы знаете?
* «с учителем»
*«без учителя»
*«с учеником»
*«без ученика»
24. Какие сети характеризуются отсутствием памяти?
*однослойные
*многослойные
* без обратных связей
*с обратными связями
25. Какой из видов машинного обучения основывается на взаимодействии обучаемой системы со средой?
* обучение с подкреплением
*обучение с учителем
*обучение без учителя
*глубинное обучение
26. Когда говорят о нейронных сетях и машинном обучении, часто упоминают закон Мура. В чем его суть?
*20% усилий дают 80% результата, а остальные 80% усилий — лишь 20% результата
*Если все слова языка или длинного текста упорядочить по убыванию частоты их использования, то частота n-го слова в таком списке окажется приблизительно обратно пропорциональной его порядковому номеру n
*Не следует множить сущее без необходимости
* Каждое следующее поколение компьютеров работает в 2,5 раза быстрее
27. Кто создал первую модель искусственных нейронных сетей?
*Дэвид И. Румельхарт, Дж. Е. Хинтон и Рональд Дж. Вильямс
*Ян Лекун
*Фрэнк Розенблатт
* Мак-Каллок и Питтс
28. Наиболее редко на практике применяются методы машинного обучения, основанные на:
*алгоритмах обучения без учителя
*алгоритмах обучения с учителем
* алгоритмах обучения с подкреплением
*свёрточных нейронных сетях
29. Нейронная сеть является обученной, если:
*при подаче на вход некоторого вектора сеть будет выдавать ответ, к какому классу векторов он принадлежит
* при запуске обучающих входов она выдает соответствующие обучающие выходы
*алгоритм обучения завершил свою работу и не зациклился
*алгоритм обучения завершил свою работу и зациклился
30. Нейросети хорошо проявляют себя не только в распознавании, но и в генерации изображений. Но кое с чем у них все-таки возникают проблемы. С чем именно?
*текстуры
* форма
*глубина, количество пикселей
*цвет
31. Объем исследований и разработок в области нейронных сетей резко возрос в настоящее время благодаря тому, что
*только нейрокибернетика обеспечивает моделирование функций биологических систем
* появились нейропроцессоры, транспьютеры и т.п.
*открыли новые возможности человеческого мозга
*появились новые методы решения задач в области нейрокибернетики
32. Особых успехов нейросети достигли в работе с изображениями. Но что из этого нейросети не могут сделать?
*догадаться, что вы нарисовали
*стилизовать вашу фотографию под работу импрессиониста
* пластическую коррекцию лица
*омолаживать и состаривать лица на фотографиях
33. Паралич сети может наступить, когда:
* весовые значения становятся очень большими
*размер шага становится очень большой
*размер шага становится очень маленький
*весовые значения становятся очень маленькими
34. Подаем на вход персептрона вектор a. В каком случае весовые значения нужно уменьшать?
*если на выходе 0, а нужно 1
* если на выходе 1, а нужно 0
*если сигнал персептрона не совпадает с нужным ответом
*всегда, когда на выходе 1
35. Подаем на вход персептрона вектор а. В каком случае весовые значения нужно увеличивать?
*если на выходе 0, а нужно 1
* если на выходе 1, а нужно 0
*если сигнал персептрона не совпадает с нужным ответом
*всегда, когда на выходе 0
36. Программа от Google научилась рисовать на основе эскизов, сделанных людьми. Что при этом учитывала программа?
*стиль типичный для похожих изображений
*только конечный результат
* концепцию (идею) рисунка
*цветовую гамму типичную для похожих изображений
37. Процессом обучения нейронной сети называют:
* процесс подстройки весовых коэффициентов сети
*процесс подбора входных данных
*процесс подбора архитектуры сети
*процесс подстройки количества скрытых слоев
38. Реализация метода обучения с учителем не нуждается в:
*обучающей выборке
*тестовой выборке
* оценочной выборке
*проверочной выборке
39. С помощью каких инструментов формируется решение в условиях неопределенности
* дерево вывода
*дерево решений
*древо целей
*нечеткие множества
40. С помощью каких инструментов формируется решение в условиях определенности
*дерево вывода
*дерево решений
* древо целей
*нечеткие множества
41. С помощью каких инструментов формируется решение в условиях риска
*дерево вывода
* дерево решений
*древо целей
*нечеткие множества
42. Сверточные нейронные сети наиболее эффективно применяются для решения задач:
* обработки изображений
*прогнозирования изменения параметров
*дешифровки сообщений
*реализации рекомендательных систем
43. Сети прямого распространения - это:
*сети, имеющие много слоев
* сети, у которых нет соединений, идущих от выходов некоторого слоя к входам предшествующего слоя
*сети, у которых один слой
*сети, у которых есть память
44. Сети с обратными связями - это:
*сети, имеющие много слоев
*сети, имеющие один слой
* сети, у которых существуют соединения, идущие от выходов некоторого слоя к входам предшествующего слоя
*сети, у которых нет памяти
45. Сеть Хопфилда заменяется на сеть Хэмминга, если:
*необходимо ускорить время сходимости сети
*необходимо повысить число запомненных образцов
*необходимо обеспечить устойчивость сети
* нет необходимости, чтобы сеть в явном виде выдавала запомненный образец
46. Сетью без обратных связей называется сеть
*все слои которой соединены иерархически
* у которой нет синаптических связей, идущих от выхода некоторого нейрона к входам этого же нейрона или нейрона из предыдущего слоя
*у которой есть синаптические связи
*у которой есть родственные связи
47. Синапсами называются:
* точки соединения нейронов, через которые передаются нейронные сигналы
*"усики" нейронов, по которым проходят электрохимические сигналы
*тело нейрона, в котором происходит обработка электрохимического сигнала
*скопления нейронов
48. Сколько слоев может содержать персептрон?
* один
*три
*пять
*любое конечное число
49. Современную историю искусственного интеллекта связывают с появлением обучающих алгоритмов. Их существует множество типов, и среди них — алгоритмы сортировки. Какой из них считается самым простым?
*сортировка вставками
*сортировка выбором
* пузырьковая сортировка
*сортировка по условию
50. Стратегия избежания локальных минимумов при сохранении стабильности заключается в
*достаточно больших изменениях весовых значений
* больших начальных шагах изменения весовых значений и постепенном уменьшении этих шагов
*малых начальных шагах изменения весовых значений и постепенном увеличении этих шагов
*достаточно малых изменениях весовых значений
51. Теорема о "зацикливании" персептрона утверждает, что:
*любой алгоритм обучения зацикливается
* если данная задача не представима персептроном, то алгоритм обучения зацикливается
*если задача не имеет решения, то алгоритм обучения зацикливается
*если обучать персептрон любой задаче, то алгоритм всегда зацикливается
52. Теорема о двухслойности персептрона утверждает, что:
* любой многослойный персептрон может быть представлен в виде двухслойного персептрона
*в любом многослойном персептроне могут обучаться только два слоя
*способностью к обучению обладают персептроны, имеющие не более двух слоев
*однослойный персептрон может быть представлен в виде двухслойного персептрона
53. Теорема о сходных персептронах утверждает, что:
* если данная задача представляет персептрон, то он способен ей обучиться
*алгоритм обучения всегда сходится
*найдутся задачи, которым персептроны не смогут обучиться
*не могут существовать задачи, которым персептроны не смогут обучиться
54. У машинного обучения есть ряд задач. Как называется та, что направлена на предсказание значения той или иной непрерывной числовой величины для входных данных?
*классификация
*кластеризация
* регрессия
*переобучение
55. Что называется "эпохой" в алгоритме обучения персептрона?
*процесс настройки персептрона на одну обучающую пару
*процесс настройки персептрона на две обучающую пару
* один цикл предъявления всей обучающей выборки
*полный цикл настройки персептрона на все обучающие пары
56. Что называется обучающей выборкой для обучения персептрона?
*набор входных векторов, для которых заранее известны значения аппроксимируемой функции
*набор выходных векторов, являющихся точными значениями аппроксимируемой функции
*набор входов, используемых при обучении
* набор пар входов и выходов, используемых при обучении
57. Что называют нейронами Кохонена?
*те нейроны, которые на выходе похожи на исходные.
*те нейроны, выход которых минимален;
* если центры кластеров взаимно однозначно соответствуют нейронам скрытого слоя
*если центры кластеров взаимно однозначно соответствуют нейронам открытого слоя
58. Что необходимо выполнить, чтобы нейросеть могла помочь в формировании решения:
*указать правила вывода
*указать формулы для расчетов
* обучить на примерах
*ввести информацию о ситуации
59. Что такое множество весовых значений нейрона?
* множество значений, характеризующих "силу" соединений данного нейрона с нейронами предыдущего слоя
*множество значений, характеризующих "силу" соединений данного нейрона с нейронами последующего слоя
*множество значений, моделирующих "силу" родственных связей
*множество значений, характеризующих вычислительную "силу" нейрона
60. Что является входом искусственного нейрона?
* множество сигналов
*единственный сигнал
*весовые значения
*значения активационной функции
Нейронные сети и машинное обучение
УЧЕБНЫЕ МАТЕРИАЛЫ
Тема 1. Введение в машинное обучение
Тема 2. Задачи машинного обучения
Тема 3. Методы обучения нейронных сетей
Тема 4. Глубокое обучение и нейросети
Тема 5. Ассоциативные запоминающие нейронные сети
Литература
