💯 Основы нейронных сетей.ои(dor_БАК) — ответы на тест Синергия / МОИ / МТИ / МосАП

Основы нейронных сетей > Основы нейронных сетей

• правильные ответы на вопросы из теста по данной дисциплине
• вопросы отсортированы в лексикографическом порядке

Основы нейронных сетей.ои(dor_БАК)

1. Введение
2. Тема 1. Понятие биологического и искусственного нейрона
3. Тема 2. Искусственные нейронные сети
4. Тема 3. Процедуры обучения
5. Тема 4. Введение в нейроуправление
6. Тема 5. Традиционные схемы управления
7. Тема 6. Нейроуправление в пакете MatLab
8. Тема 7. Схемы нейронного управления
9. Заключение

… составляющая предназначена для противодействия отклонениям от целевого значения, которые прогнозируются в будущем

Тип ответа: Текcтовый ответ

… тангенс применяется в качестве функции активации биологами для более реалистичной модели нервной клетки

Тип ответа: Текcтовый ответ

Двойной щелчок на блоке Transfer Functions приводит к появлению … блоков функций активации

Тип ответа: Текcтовый ответ

Если модель не дает желаемые результаты, требуется … ее параметры или архитектуру, чтобы улучшить ее работу

Тип ответа: Текcтовый ответ

Если условие остановки … не исполняется, то происходит возврат к расчету производных

Тип ответа: Текcтовый ответ

К упрощениям в информационных технологиях можно отнести …

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

• невозможность быстрого моделирования сложных систем
• неработающие компьютеры
• переполнение мозга биологическими механизмами
• недостаток математических моделей

Метод обучения нейронных сетей, который особенно полезен для управления роботами, автомобилями и производственными процессами, — это обучение …

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

• с учителем
• без учителя
• с подкреплением
• методом обратного распространения ошибки

Многослойные нейронные сети также успешно применяются в обработке … языка

Тип ответа: Текcтовый ответ

Нейроноподобные элементы для работы алгоритма должны …

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

• обладать высокой вероятностью
• иметь линейную зависимость
• быть неубывающими и иметь ограниченную производную
• быть максимально точными

После обучения модель тестируется и … на новых данных

Тип ответа: Текcтовый ответ

Принцип обучения нейронных сетей, который основан на использовании данных без классификации или меток, — это обучение …

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

• с учителем
• без учителя
• с подкреплением
• посредством трансферного обучения

Принцип обучения нейронных сетей, который подразумевает корректировку весовых коэффициентов на основе эталонных ответов, — это обучение …

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

• с учителем
• без учителя
• с подкреплением
• посредством трансферного обучения

Расположите этапы обработки информации в искусственном нейроне по порядку:

Тип ответа: Сортировка

• 1 Прием входных сигналов
• 2 Вычисление взвешенной суммы входных сигналов
• 3 Применение функции активации к взвешенной сумме
• 4 Применение активационной функции для получения выходного сигнала

Сопоставьте метод оптимизации и его описание:

Тип ответа: Сопоставление

• A. Стохастический градиентный спуск (SGD)
• B. Метод адам (Adam)
• C. Метод имитации отжига (Simulated Annealing)
• D. метаэвристический алгоритм, использующийся для поиска глобального оптимума
• E. простой метод оптимизации, основанный на идее поочередного подбора случайных образцов для обновления весов
• F. эффективно сочетает в себе преимущества адаптивных методов моментума и RMSprop

Сопоставьте область применения нейронных сетей с примером ее использования:

Тип ответа: Сопоставление

• A. Автономная навигация для роботов
• B. Управление умным домом
• C. Автономное управление автономными автомобилями
• D. определение преград и планирование маршрута на основе визуальной информации
• E. автоматическое управление освещением и отоплением на основе данных с датчиков
• F. принятие решений о движении, обнаружении объектов на дороге и безопасном следовании маршруту

Сопоставьте типы слоев нейронных сетей с их функциями:

Тип ответа: Сопоставление

• A. Convolutional Layer
• B. Recurrent Layer
• C. Dense Layer
• D. используется для извлечения признаков из входных изображений
• E. позволяет моделировать последовательные данные и данные со связями во времени
• F. слой, в котором каждый нейрон связан со всеми нейронами предыдущего и последующего слоя

Сопоставьте фазу процедуры обучения нейронной сети с ее описанием:

Тип ответа: Сопоставление

• A. Обратное распространение (backpropagation)
• B. Расчет градиента (gradient computation)
• C. Применение градиентного спуска (gradient descent)
• D. процесс, при котором корректируются веса в соответствии с градиентом функции потерь
• E. метод обучения, при котором данные проходят через сеть вперед и затем в обратном направлении для корректировки весов
• F. процедура вычисления производных функции потерь по весам сети

Сопоставьте функции активации с их описанием:

Тип ответа: Сопоставление

• A. Сигмоид
• B. ReLU (Rectified Linear Unit)
• C. Tanh (Гиперболический тангенс)
• D. функция активации, которая преобразует взвешенную сумму в диапазон между 0 и 1
• E. простая функция, возвращающая максимум из 0 и входного значения
• F. аналог функции сигмоид, возвращающий значение в диапазоне между -1 и 1

Сопоставьте шаг обучения нейронной сети с его последовательностью выполнения:

Тип ответа: Сопоставление

• A. Обратное распространение ошибки
• B. Инициализация весов
• C. Применение функции активации
• D. шаг 3
• E. шаг 2
• F. шаг 1

Сопоставьте этапы обработки информации в искусственном нейроне с их функциями:

Тип ответа: Сопоставление

• A. Прием входных сигналов
• B. Вычисление взвешенной суммы входных сигналов
• C. Применение функции активации к взвешенной сумме
• D. обработка входных данных и присвоение им весов
• E. получение окончательного выходного сигнала
• F. формирование окончательного решения

Способность однослойных нейронных сетей моделировать сложные нелинейные зависимости между входными и выходными данными – это …

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

• простота
• интерпретируемость
• высокая скорость обучения
• ограниченная способность моделирования

Тип нейронной сети, в которой используется для аппроксимации выбранной функции y = x^2, — это …

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

• однослойный перцептрон
• сеть Хэмминга
• многослойный перцептрон
• сеть Хопфилда

Упорядочьте процесс обучения нейронной сети в MatLab в правильной последовательности:

Тип ответа: Сортировка

• 1 инициализация весов нейронной сети
• 2 подача обучающих примеров на вход нейронной сети
• 3 распространение входных сигналов через сеть и вычисление выхода
• 4 сравнение выхода сети с ожидаемым выходом и корректировка весов
• 5 оценка качества обучения и принятие решения о его завершении

Упорядочьте типы нейронных сетей по возрастанию сложности (от меньшего к большему):

Тип ответа: Сортировка

• 1 полносвязанные сети
• 2 сверточные сети
• 3 рекуррентные сети

Упорядочьте типы нейронных сетей по их применению в автоматическом управлении от наименее к наиболее распространенному:

Тип ответа: Сортировка

• 1 простые нейронные сети
• 2 сверточные нейронные сети
• 3 многослойные персептроны

Упорядочьте циклы разработки нейросети в спиральной модели управления в правильной последовательности:

Тип ответа: Сортировка

• 1 определение целей
• 2 анализ рисков
• 3 разработка
• 4 тестирование

Упорядочьте этапы процедуры обучения методом обратного распространения ошибки (backpropagation) в порядке их выполнения:

Тип ответа: Сортировка

• 1 передача вперед входных данных и вычисление результатов каждого слоя
• 2 расчет градиента функции потерь по весам сети
• 3 применение градиентного спуска для обновления весов

Упорядочьте этапы создания нейронной сети в пакете MatLab в правильной последовательности:

Тип ответа: Сортировка

• 1 определение структуры нейронной сети (например, Feedforward, Recurrent)
• 2 определение функций активации для каждого слоя
• 3 инициализация нейронной сети
• 4 задание параметров обучения и метода обучения
• 5 установка весов и пороговых значений

Установите порядок основных этапов в использовании нейронной сети для распознавания образов в хронологическом порядке:

Тип ответа: Сортировка

• 1 определение функции активации
• 2 обработка входных данных
• 3 обучение модели
• 4 прямое распространение

Resilient propagation — это метод … распространения

Тип ответа: Текcтовый ответ