Wyszukaj
Zaloguj / zarejestruj się
Jeśli masz już konto, możesz się zalogować.
Jeśli nie masz konta, zarejestruj nowe podając nazwę użytkownika, adres email i hasło.
Formularz kontaktowy
Memorizer+
Wykup dostęp
Ta funkcja jest dostępna dla użytkowników, którzy wykupili plan Memorizer+
Fiszki
ESI
Test w formie fiszek
Ilość pytań: 41 Rozwiązywany: 170 razy
Neuron powinien tak się nauczyć, aby dla podobnych wejść zwracać taki sam sygnał wyjściowy, a dla niepodobnych różne sygnały wyjściowe
z nauczycielem
z zastosowaniem wzorców
bez nauczyciela
Neuron poprawnie reaguje na wzorce jeśli sygnał który zwraca dla danego wejścia jest taki sam (z pewną dokładnością) jak oczekiwana wartość
bez nauczyciela
z nauczycielem
z zastosowaniem wzorców
Budowa sieci neuronowej. Wybierz odpowiedź, która nie jest prawdziwa.
Liczba neuronów warstwie wyjściowej zależy od liczby atrybutów decyzyjnych
Sieć neuronowa składa się z pojedynczej warstwy wyjściowej
Liczba neuronów w warstwie wejściowej nie zależy od liczby atrybutów warunkowych w warstwie ukrytej
Sieć neuronowa składa się z pojedynczej warstwy wejściowej
Sieć neuronowa składa się N warstw ukrytych
Uczenie sieci neuronowej polega na:
Zmianie parametrów funkcji aktywacji
Modyfikacji wag syganłów wejściowych sieci
Modyfikacji wag i wartości syganłów wejściowych sieci
Modyfikacji wartości sygnałów wejsciowych
Na ile obszarów można podzielić przestrzeń cech wykorzystując pojedynczy perceptron o n wejściach?
nie jest możliwy podział
na trzy obszary
na dwa obszary
na n obszarów
Algorytm uczenia sieci neuronowych jest oparty na
wstecznej propagacji wag
wstecznej propagacji błędów
wstecznej propagacji błedów i wag
Jeżeli do danego neuronu przypisanych jest sześć wejść o wartościach (10.0; 5.4; -10.2; -0.1; 101.4; 0.0; 12.0) i warttość funkcji pobudzenia (propagacji) jest wyliczana jak poniżej : 10,0 + 5,4 × 8 + (-10,2) × 5 + (-0,1) × 22 + 101,4 × (-5) + 0,0 × 2 + 12,0 × (-3) = -543,0 Które z danych wejściowych należy zmienić w najmniejszym stopniu, aby zwiększyć wartość funkcji o określoną wartość?
pierwsze
trzecie
czwarte
drugie
Oblicz wartość sygnału na wyściu perceptonu z bipolarną funkcją aktywacji dla wejścia jak poniżej X1=4, W1=-0,5 X2=3 ,W2=0,5
-1
1
2
0
Wybierz "filary" głębokiego uczenia:
modele i algorytmy
tylko architektura sieci neuronowej
moc obliczeniowa
dane
W których zastosowaiach stosuje sie metodę głębokiego uczenia
akwizycji wiedzy
sterowania robotami, samochodami, gry komputerowe
automatyczne tłumaczenie, analiza tekstu, mowy, chatboty
rozpoznawanie obiektów (twarzy, emocji), etykietowanie i lokalizacja obiektów
Dopasuj klasy metod optymalizacji i poszukiwania
Obliczanie wartość funkcji celu, przeglądając wszystkie punkty skończonej przestrzeni np. sprawdzenie po kolei wszystkich rozwiązań
Przypadkowe lub metody oparte na wielokrotnym losowaniu punktu w przestrzeni i zapamiętywaniu najlepszego rozwiązania
Polegające na rozwiązaniu układu równań (zazwyczaj nieliniowych) otrzymanych przez przyrównanie gradientu funkcji celu do zera
Stosowanie zasad, umożliwiających ograniczenie przrestrzeni poszukiwań rozwiązania
Przeszukiwanie enumeracyjne
Metody stochastyczne
Metody analityczne
Metody heurestyczne
Dopasuj nastepujące pojęcia do odpowiednich definicji
Algorytm ewolucyjny z kodowaniem binarnym
Nazwa różnych metod wykorzystujących mechanizmy ewolucji
Podstawowa jednostka podlegająca ewolucji, odpowiada przykładowemu rozwiązaniu problemu (punktowi z przestrzeni stanów)
Zespół osobników zamieszkujących wspólne środowisko i konkurujących o jego zasoby
Algorytm genetyczny
Algorytmy ewolucyjne
Osobnik
Populacja
Dopasuj do podanych definicji odpowiednie pojęcia dotyczące Algorytmów Ewolucyjnych
Ogólna nazwa różnych metod wykorzystujących mechanizmy ewolucji
Jednostka podlegająca ewolucji, odpowiada przykładowemu rozwiązaniu problemu (punktowi z przestrzeni stanów)
Algorytm ewolucyjny z kodowaniem binarnym
Zespół osobników zamieszkujących wspólne środowisko i konkurujących o jego zasoby
Algorytm ewolucyjny
Osobnik
Algorytm genetyczny
Populacja
Dopasuj do podanych definicji pojęcia
Losowa zmiana genotypu danego osobnika
Wymiana części genotypu między dwoma osobnikami
Tworzenie kolejnego pokolenia osobników poprzez wybór i powielenie części z nich (zwykle lepiej przystosowanych)
Działanie modyfikujące genotyp osobnika lub całą populację
Metoda selekcji wykorzystywana w klasycznym algorytmie genetycznym
Mutacja
Krzyżowanie
Selekcja
Operator genetyczny
Ruletka
Różnice między algorytmami genetycznymi i tradycyjnymi metodami optymalizacyjnymi. Które stwierdzenie nie jest prawdziwe?
Algorytmy genetyczne korzystają tylko z funkcji celu, nie zaś z jej pochodnych i innych pomocniczych informacji
Poszukiwanie w algorytmach genetycznych odbywa się w wielu punktach jednocześnie (populacja)
Algorytmy genetyczne korzystają z pochodnych funkcji celu i innych pomocniczych informacji
Algorytmy genetycznie nie przetwarzają bezpośrednio parametrów zadania, lecz ich zakodowaną postać
Algorytm genetyczny stosuje probabilistyczne metody selekcji
Który operator nie jest podstawowym operatorem genetycznym:
Krzyżowanie
Selekcja
Projekcja
Inwersja
Mutacja
Dopasuj cechy agenta programowego do definicji
Agent działa optymalnie ze względu na swoje cele, ale przy ograniczeniu zasobów
Możliwość przemieszczania się pomiędzy różnymi hostami w sieci
Na podstawie wcześniejszych decyzji i obserwacji dokonuje akwizycji wiedzy
Możliwość interakcji agenta z innymi agentami, użytkownikiem bądź zasobami
Racjonalność
Mobilność
Uczenie się
Otwartość
Przedstaw paradygmaty podejścia agentowego:
Możliwość samoreplikacji agentów
Abstrakcyjna forma programowania obiektowego
Rezyduje w cyberprzestrzeni jak klasyczny obiekt
Wyspecjalizowany i odporny na błędy samodzielny obiekt
Działa w zastępstwie swoich właścicieli
Wybierz cechy dotyczące agenta programowego (zwanego także systemem agentowym lub agentem)
Potrafi analizować otoczenie i oddziaływać na nie w czasie
Autonomiczny system umieszczony w otoczeniu (i będący jego częścią)
Dąży do wyznaczonych celów i symuluje wpływ zmian otoczenia
Działała w zastępstwie swoich właścicieli
W procesie nauczania sieci neuronowej Pełne przejście przez wszystkie wzorce uczące nazywane jest:
okresem uczenia
zakresem uczenia
epoką uczenia
Czy chatbot jest robotem?
Fałsz
Prawda
Cześć!
Wykryliśmy, że blokujesz reklamy na naszej stronie.
Reklamy, jak zapewne wiesz, pozwalają na utrzymanie i rozwój serwisu. W związku z tym prosimy Cię o ich odblokowanie by móc kontynuować naukę.