Нс / Тесты 2 к.т
..docVI: 6. Формализация задачи
1: ТЗ № 75
S: Многослойный персептрон может рассчитывать выходной вектор y
+: для любого входного вектора x
+: для ограниченного набора векторов x
+: для единственного входного вектора x
-: для произвольного набора чисел
1: ТЗ № 76
S: Многослойный персептрон не может рассчитывать выходной вектор y
-: для любого входного вектора x
+: для ограниченного набора чисел
+: для единственного числового набора
+: для произвольного набора чисел
1: ТЗ № 77
S: Формализация постановки задачи для многослойного персептрона – это
-: выбор входного и выходного векторов
+: наделение определенным смыслом компонент входного и выходного векторов
-: математическая формулировка задачи
-: построение схемы многослойного персептрона
1: ТЗ № 78
S: Формализацией постановки задачи для многослойного персептрона не является
+: выбор входного и выходного векторов
-: наделение определенным смыслом компонент входного и выходного векторов
+: математическая формулировка задачи
+: построение схемы многослойного персептрона
1: ТЗ № 79
S: Задача классификации объетов состоит в
-: выборе параметров p, характеризующих класс C1
-: определении параметров p, характеризующих класс C1
-: выборе объекта, принадлежащего классу C1
+: выборе класса принадлежности объекта, характеризуемого набором параметров p.
1: ТЗ № 80
S: Задача классификации объектов не сводится к
+: выбору параметров p, характеризующих класс C1
+: определению параметров p, характеризующих класс C1
+: выбору объекта, принадлежащего классу C1
-: выбору класса принадлежности объекта, характеризуемого набором параметров p.
1: ТЗ № 81
S: Решением задачи классификации является вектор c = (c1, …, сM)T, где cm – это
+: вероятность, с которой объект относится к классу Cm
-: один из параметров, характеризующих объект
-: количество входов m-го скрытого слоя
-: количество выходов m-го скрытого слоя
1: ТЗ № 82
S: В решении задачи классификации компонента cm вектора c = (c1, …, сM)T – это
+: вероятность, с которой объект относится к классу Cm
-: один из параметров, характеризующих объект
-: количество входов m-го скрытого слоя
-: количество выходов m-го скрытого слоя
1: ТЗ № 83
S: В задаче классификации компонента cm вектора c = (c1, …, сM)T не представляет
-: вероятность, с которой объект относится к классу Cm
+: один из параметров, характеризующих объект
+: количество входов m-го скрытого слоя
+: количество выходов m-го скрытого слоя
1: ТЗ № 84
S: При решении задачи классификации объектов выходом МСП являются
+: приближенные вероятности принадлежности к классам
+: точные вероятности принадлежности к классам
-: параметры, характеризующие объект
-: количество классов, к которым принадлежат объекты
1: ТЗ № 85
S: При решении задачи классификации объектов выходом МСП не являются
-: приближенные вероятности принадлежности к классам
-: точные вероятности принадлежности к классам
+: параметры, характеризующие объект
+: количество классов, к которым принадлежат объекты
1: ТЗ № 86
S: Для компонентов выходного вектора cm задачи классификации объектов
-: всегда 0 ≤ cm ≤ 1
+: допускается cm ≤ 0, cm ≥ 1
-: не допускается cm ≤ 0, cm ≥ 1
-: всегда 0 < cm < 1
1: ТЗ № 87
S: Компоненты выходного вектора cm задачи классификации не
+: обязательно 0 ≤ cm ≤ 1
+: обязательно cm ≤ 0, cm ≥ 1
-: допускается cm ≤ 0, cm ≥ 1
-: всегда 0 < cm < 1
1: ТЗ № 88
S: Каждому входу МСП в задаче распознавания букв алфавита соответствует
-: два пиксела
+: один пиксел
-: один выход
-: один символ
1: ТЗ № 89
S: Выходом МСП в задаче распознавания букв алфавита может является
+: номер буквы в алфавите
-: буква алфавита
-: вероятность соответствия данной буквы предъявленному изображению
+: вероятность соответствия предъявленного изображения данной букве
1: ТЗ № 90
S: Выходом МСП в задаче распознавания букв алфавита не может является
-: номер буквы в алфавите
+: буква алфавита
+: вероятность соответствия данной буквы предъявленному изображению
-: вероятность соответствия предъявленного изображения данной букве
1: ТЗ № 91
S: Для распознавания букв с помощью МСП необходимо их представить в виде
+: точечных изображений
-: растровых изображений
-: аналогового сигнала
-: цифрового кода
1: ТЗ № 92
S: Для распознавания букв с помощью МСП не используется их представление в виде
-: точечных изображений
+: растровых изображений
+: аналогового сигнала
+: цифрового кода
1: ТЗ № 93
S: Компонентами входного вектора МСП в задаче распознавания букв являются
-: вероятности соответствия предъявленных изображений буквам
-: буквы алфавита
+: яркости пикселов
-: номера букв в алфавите
1: ТЗ № 94
S: Компонентами входного вектора в задаче распознавания букв не являются
+: вероятности соответствия предъявленных изображений буквам
+: буквы алфавита
-: яркости пикселов
+: номера букв в алфавите
1: ТЗ № 95
S: Выбор количества нейронов и слоев в МСП связан
+: со сложностью задачи
+: с количеством данных для обучения
+: с необходимым количеством входов и выходов сети
-: со способом формализации задачи
1: ТЗ № 96
S: Выбор количества нейронов и слоев в МСП не связан
-: со сложностью задачи
-: с количеством данных для обучения
-: с необходимым количеством входов и выходов сети
+: со способом формализации задачи
1: ТЗ № 97
S: Для выбора количества нейронов и слоев в МСП необходимо учитывать
+: имеющися в наличии вычислительные ресурсы
+: сложность задачи
-: значения весовых коэффициентов
+: объем обучающей выборки
1: ТЗ № 98
S: Для выбора количества нейронов и слоев в МСП не требуется учитывать
-: имеющися в наличии вычислительные ресурсы
-+: сложность задачи
+: значения весовых коэффициентов
-: объем обучающей выборки
1: ТЗ № 99
S: Недостаточное количество нейронов и слоев в МСП приводит к тому, что
+: сеть не обучится и ошибка при работе сети останется большой
+: на выходе сети не будут передаваться резкие колебания аппроксимируемой функции
-: выходной вектор будет передавать незначительные и несущественные детали в изучаемой зависимости
-: зависимость выхода от входа окажется резко нелинейной
1: ТЗ № 100
S: Недостаток количества нейронов и слоев в МСП не может привести к тому, что
-: сеть не обучится и ошибка при работе сети останется большой
-: на выходе сети не будут передаваться резкие колебания аппроксимируемой функции
+: выходной вектор будет передавать незначительные и несущественные детали в изучаемой зависимости
+: зависимость выхода от входа окажется резко нелинейной
1: ТЗ № 101
S: Избыточное количество нейронов и слоев в МСП приводит к тому, что
-: сеть не обучится и ошибка при работе сети останется большой
-: на выходе сети не будут передаваться резкие колебания аппроксимируемой функции
+: выходной вектор будет передавать незначительные и несущественные детали в изучаемой зависимости
+: зависимость выхода от входа окажется резко нелинейной
1: ТЗ № 102
S: Избыток количества нейронов и слоев в МСП не может привести к тому, что
+: сеть не обучится и ошибка при работе сети останется большой
+: на выходе сети не будут передаваться резкие колебания аппроксимируемой функции
-: выходной вектор будет передавать незначительные и несущественные детали в изучаемой зависимости
-: зависимость выхода от входа окажется резко нелинейной
1: ТЗ № 103
S: В случае избыточного количества нейронов и слоев в МСП
+: сеть будет неспособна к обобщению
-: увеличится быстродействие сети
+: уменьшится быстродействие сети
-: увеличится способность сети к обобщению
1: ТЗ № 104
S: В случае малого количества нейронов и слоев в МСП
-: сеть будет неспособна к обобщению
+: увеличится быстродействие сети
-: уменьшится быстродействие сети
+: увеличится способность сети к обобщению
V1: 7. Персептронная представляемость
1: ТЗ № 105
S: Решающая поверхность для двухвходового нейрона имеет вид
-: плоскости
+: прямой
-: координатной оси
-: сигмоиды
1: ТЗ № 106
S: Решающая поверхность для двухвходового нейрона не имеет вид
+: плоскости
-: прямой
+: координатной оси
+: сигмоиды
1: ТЗ № 107
S: Решающей поверхностью двухслойного персептрона с двумя входами и одним выходом может являться … областей, создаваемых нейронами первого слоя.
+: пересечение
+: объединение
+: инверсия
-: дополнение
1: ТЗ № 108
S: … областей, создаваемых нейронами первого слоя не является решающей поверхностью двухслойного персептрона с двумя входами и одним выходом.
-: пересечение
-: объединение
-: инверсия
+: дополнение
1: ТЗ № 109
S: При моделировании пересечения двухслойная сеть может сформировать
-: невыпуклую многоугольную многосвязную решающую область
-: выпуклую многоугольную многосвязную решающую область
-: невыпуклую многоугольную односвязную решающую область
+: выпуклую многоугольную односвязную решающую область
1: ТЗ № 110
S: При моделировании пересечения двухслойная сеть не может сформировать
+: невыпуклую многоугольную многосвязную решающую область
+: выпуклую многоугольную многосвязную решающую область
+: невыпуклую многоугольную односвязную решающую область
-: выпуклую многоугольную односвязную решающую область
1: ТЗ № 111
S: Решающей поверхностью трехслойного персептрона могут являться
+: многоугольные открытые выпуклые многосвязные области
+: многоугольные невыпуклые многосвязные области
+: многоугольные выпуклые многосвязные области
-: множества изолированных точек в пространстве
1: ТЗ № 112
S: Решающей поверхностью трехслойного персептрона не могут являться
-: многоугольные открытые выпуклые многосвязные области
-: многоугольные невыпуклые многосвязные области
-: многоугольные выпуклые многосвязные области
+: множества изолированных точек в пространстве
1: ТЗ № 113
S: Функция "исключающее ИЛИ" принимает значение
+: единицы, когда один из аргументов равен единице
-: единицы, когда оба аргумента равны единице
-: нуля, когда один из аргументов равен единице
-: нуля, когда оба аргумента равны единице
1: ТЗ № 114
S: Функция "исключающее ИЛИ" не принимает значение
-: единицы, когда один из аргументов равен единице
+: единицы, когда оба аргумента равны единице
+: нуля, когда один из аргументов равен единице
+: нуля, когда оба аргумента равны единице
1: ТЗ № 115
S: Функция "исключающее ИЛИ" принимает значение
-: единицы, когда один из аргументов равен нулю
-: единицы, когда оба аргумента равны нулю
-: нуля, когда один из аргументов равен нулю
+: нуля, когда оба аргумента равны нулю
1: ТЗ № 116
S: Функция "исключающее ИЛИ" не принимает значение
+: единицы, когда один из аргументов равен нулю
+: единицы, когда оба аргумента равны нулю
+: нуля, когда один из аргументов равен нулю
-: нуля, когда оба аргумента равны нулю
1: ТЗ № 117
S: Нулевой выход функции "исключающее ИЛИ" соответствует двум входам
-: 1; 0
-: 0; 1
+: 0; 0
+: 1; 1
1: ТЗ № 118
S: Единичный выход функции "исключающее ИЛИ" соответствует двум входам
+: 1; 0
+: 0; 1
-: 0; 0
-: 1; 1
V1: 8. Алгоритм обратного распространения ошибки
1: ТЗ № 119
S: Метод обратного распространения ошибки – это способ быстрого расчета
+: градиента функции ошибки
+: антиградиента функции ошибки
-: минимума функции ошибки
-: максимума функции шибки
1: ТЗ № 120
S: В двухслойной сети выходной сигнал 1-го нейрона скрытого слоя описывается функцией
-:
-:
-:
+:
1: ТЗ № 121
S: В выходном слое двухслойной сети k-й нейрон вырабатывает сигнал
-:
-:
+:
-:
1: ТЗ № 122
S: На значение выходного сигнала двухслойной сети влияют
-: веса второго слоя
+: веса обоих слоев
-: веса первого слоя
-: веса входного слоя
1: ТЗ № 123
S: На значение выходного сигнала двухслойной сети не влияют
+: веса второго слоя
-: веса обоих слоев
+: веса первого слоя
+: веса входного слоя
1: ТЗ № 124
S: Основу алгоритма обратного распространения ошибки составляет …
между фактическими и ожидаемыми значениями выходных сигналов.
+: минимизация квадратичной суммы разностей
-: максимизация квадратичной суммы разностей
-: минимизация абсолютной суммы разностей
-: максимизация абсолютной суммы разностей
1: ТЗ № 125
S: Минимизация квадратичной суммы разностей между фактическими и ожидаемыми значениями выходных сигналов является основой
-: расчета весовых коэффициентов первого скрытого слоя
-: алгоритма обучения без учителя
+: алгоритма обратного распространения ошибки
-: алгоритма прямого распространения ошибки
1: ТЗ № 126
S: Целевая функция алгоритма обратного распространения ошибки имеет вид
-:
-:
-:
+:
1: ТЗ № 127
S: Алгоритм обратного распространения ошибки действует
+: циклически
-: последовательно
-: с прерыванием
-: без прерывания
1: ТЗ № 128
S: Процесс обучения МСП с помощью алгоритма обратного распространения ошибки завершится, когда
-: будут предъявлены все примеры обучающей выборки
-: ошибка перестает уменьшаться
-: выходной вектор совпадет с входным
+: модуль градиента не уменьшится до заданной величины
1: ТЗ № 129
Q: В соответствии с алгоритмом обратного распространения ошибки в каждом цикле обучения выделяются этапы
1: Анализ нейронной сети в прямом направлении передачи информации
2: Создание сети обратного распространения ошибок
3: Уточнение весов для исходной сети и для сети обратного распространения ошибки
4: Повторение процесса для всех обучающих примеров вплоть до выполнения условия остановки алгоритма.
1: ТЗ № 130
Q: Алгоритм обратного распространения ошибки состоит из следующих шагов
1: присвоение весам случайных значений
2: выбор обучающей выборки
3: вычисление выхода сети
4: вычисление ошибки сети
5: корректировка весов сети
1: ТЗ № 131
S: Для применения алгоритма обратного распространения ошибки достаточно
+: двух слоев
-: одного слоя
-: трех слоев
-: одного нейрона
1: ТЗ № 132
S: Алгоритм обратного распространения ошибки не применим для сети из
-: двух слоев
+: одного слоя
-: трех слоев
+: одного нейрона
1: ТЗ № 133
S: Вектор параметров сети в алгоритме обратного распространения ошибки задается набором
+: весовых коэффициентов
+: пороговых уровней
-: входных значений
-: выходных значений
1: ТЗ № 134
S: Для задания вектора параметров сети в алгоритме обратного распространения ошибки не требуются
-: весовые коэффициенты
-: пороговые уровни
+: входные значения
+: выходные значения
1: ТЗ № 135
S: Для расчет градиента функции ошибки используется метод
-: покоординатного спуска
+: наискорейшего спуска
+: градиентного спуска
-: векторного спуска
1: ТЗ № 136
S: Для расчет градиента функции ошибки не используется метод
+: покоординатного спуска
-: наискорейшего спуска
-: градиентного спуска
+: векторного спуска
1: ТЗ № 137
S: В алгоритме обратного распространения во время прямого прохода по сети распространяется
+: сумма взвешенных сигналов
-: сумма взвешенных параметров
-: произведение весов
-: произведение взвешенных сигналов
1: ТЗ № 138
S: В алгоритме обратного распространения во время прямого прохода по сети не распространяется
-: сумма взвешенных сигналов
+: сумма взвешенных параметров
+: произведение весов
+: произведение взвешенных сигналов
1: ТЗ № 139
S: В алгоритме обратного распространения во время обратного прохода по сети распространяется значение
-: градиента
+: ошибки
-: весов
-: выходного вектора
1: ТЗ № 140
S: В алгоритме обратного распространения во время обратного прохода по сети не распространяется значение
+: градиента
-: ошибки
+: весов
+: выходного вектора