Сопоставьте архитектуру нейронной сети с областью ее применения:
Ответ:
Простые нейронные сети - автономное управление автономными автомобилями Сверточные нейронные сети - управление умным домом Многослойные персептроны - автономная навигация для роботов
Вопрос:
Сопоставьте виды нейронных сетей с их описанием:
Ответ:
CNN (Convolutional Neural Network) - применяется для обработки и анализа изображений, включая фильтрацию, классификацию и сегментацию RNN (Recurrent Neural Network) - используется для анализа последовательных данных или данных со связями во времени DNN (Deep Neural Network) - общий термин, используемый для нейронных сетей с более чем одним скрытым слоем
Вопрос:
Сопоставьте компоненты биологического нейрона с их функциями:
Сопоставьте компоненты искусственного нейрона с их аналогами в биологическом нейроне:
Ответ:
Веса связей - синапсы Сумматор - клеточное тело Функция активации - аксон
Вопрос:
Сопоставьте метод обучения нейронных сетей и его особенности:
Ответ:
Метод обратного распространения ошибки - обучение на основе корректировки весов связей между нейронами Генетические алгоритмы - обучение, основанное на эволюционных принципах Методы глубокого обучения - использование многослойных структур для извлечения сложных зависимостей из данных
Системное программное обеспечение - совокупность программ и программных комплексов, предназначенных для обеспечения работы компьютера и компьютерных сетей Инструментальное программное обеспечение - программные средства поддержки (обеспечения) технологии программирования Пакеты прикладных программ - комплекс взаимосвязанных программ для решения задач определенного класса конкретной области
Вопрос:
Сопоставьте типы слоев нейронных сетей с их функциями:
Ответ:
Convolutional Layer - используется для извлечения признаков из входных изображений Recurrent Layer - позволяет моделировать последовательные данные и данные со связями во времени Dense Layer - слой, в котором каждый нейрон связан со всеми нейронами предыдущего и последующего слоя
Вопрос:
Сопоставьте фазу процедуры обучения нейронной сети с ее описанием:
Сопоставьте фазу процедуры backpropagation с ее описанием:
Ответ:
Прямое распространение (forward propagation) - процесс, при котором данные проходят через сеть от входа к выходу Расчет градиента (gradient calculation) - вычисление частных производных функции потерь по всем весам сети Обновление весов (weight update) - использование градиента для обновления весов сети
ReLU (Rectified Linear Unit) - линейная функция с пороговой активацией. Оптимальна для большинства нейронных сетей Сигмоидальная функция - S-образная кривая, используется в выходном слое для бинарной классификации Гиперболический тангенс - S-образная функция, похожа на сигмоидальную функцию, но имеет значения в диапазоне [-1, 1]
Вопрос:
Сопоставьте циклы разработки нейросети в спиральной модели управления с их описаниями:
Ответ:
Определение целей - формулируются требования к функциональности и производится планирование разработки. Анализ рисков - определяются вероятные риски, которые могут повлиять на успешность разработки. Тестирование - происходит создание и тестирование нейросети на каждой итерации.
Вопрос:
Сопоставьте шаг обучения нейронной сети с его последовательностью выполнения:
Сопоставьте этапы каскадной модели управления нейросетями с их описаниями:
Ответ:
Разработка - нейросеть внедряется в реальное рабочее окружение и начинает активное использование Тестирование - происходит создание архитектуры нейросети и программирование ее поведения Внедрение - проверяется работоспособность нейросети, ее точность и устойчивость
Вопрос:
Сопоставьте этапы обработки информации в искусственном нейроне с их функциями:
Ответ:
Прием входных сигналов - обработка входных данных и присвоение им весов Вычисление взвешенной суммы входных сигналов - получение окончательного выходного сигнала Применение функции активации к взвешенной сумме - формирование окончательного решения
Вопрос:
Способность однослойных нейронных сетей моделировать сложные нелинейные зависимости между входными и выходными данными – это …
Ответ:
ограниченная способность моделирования
Вопрос:
Структурный синтез нейросетевых систем управления базируется на использовании конечного числа типовых … структур
Упорядочьте методы оптимизации в порядке возрастания сложности (от меньшего к большему):
Ответ:
1) полносвязанные сети 2) сверточные сети 3) рекуррентные сети 1) стохастический градиентный спуск (SGD) 2) метод адаптивных градиентов (Adagrad) 3) метод имитации отжига (Simulated Annealing)
Вопрос:
Упорядочьте процесс обучения нейронной сети в MatLab в правильной последовательности:
Упорядочьте этапы процедуры обучения нейронной сети в порядке их выполнения:
Ответ:
1) подача входных данных и вычисление выхода сети 2) расчет ошибки между ожидаемым и фактическим выходом 3) корректировка весов сети для уменьшения ошибки
Вопрос:
Упорядочьте этапы создания нейронной сети в пакете MatLab в правильной последовательности:
Ответ:
1) анализ 2) проектирование 3) реализация 4) тестирование 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 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
Вопрос:
Установите порядок основных этапов в использовании нейронной сети для распознавания образов в хронологическом порядке: