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
bez nauczyciela
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
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
z nauczycielem
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
z nauczycielem
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
Liczba neuronów w warstwie wejściowej nie zależy od liczby atrybutów warunkowych w warstwie ukrytej
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
Liczba neuronów w warstwie wejściowej nie zależy od liczby atrybutów warunkowych w warstwie ukrytej
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
Modyfikacji wag i wartości syganłów wejściowych sieci
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
Modyfikacji wag i wartości syganłów wejściowych sieci
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
na dwa obszary
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
na dwa obszary
Algorytm uczenia sieci neuronowych jest oparty na
wstecznej propagacji wag
wstecznej propagacji błędów
wstecznej propagacji błedów i wag
wstecznej propagacji błedów i wag
Algorytm uczenia sieci neuronowych jest oparty na
wstecznej propagacji wag
wstecznej propagacji błędów
wstecznej propagacji błedów i wag
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
trzecie
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
trzecie
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
-1
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
-1
Wybierz "filary" głębokiego uczenia:
modele i algorytmy
tylko architektura sieci neuronowej
moc obliczeniowa
dane
modele i algorytmy
moc obliczeniowa
dane
więcej niż jedna odpowiedź
Wybierz "filary" głębokiego uczenia:
modele i algorytmy
tylko architektura sieci neuronowej
moc obliczeniowa
dane
modele i algorytmy
moc obliczeniowa
dane
więcej niż jedna odpowiedź
W których zastosowaiach stosuje sie metodę głębokiego uczenia