Strona 3
morajda sys rozproszoe
Pytanie 17
Klasyczny (perceptronowy) model neuronu posiada dwa wejścia o wagach w1=1, w2=2, naktóre podano odpowiednio sygnały x1=−1, x2=+1. Funkcja aktywacji jest funkcją liniowąpostaci y=2x. Sygnał wyjściowy neuronu wynosi:
-1
2
0
1
Pytanie 18
Aby wyeliminować tzw. efekt przeuczenia sieci neuronowej (uczenie nadzorowane), należyuznać za optymalny (ostateczny) zbiór wartości wag, otrzymany w momencie:
minimum błędu dla ciągu uczącego
zakończenia działania algorytmu uczącego
minimum błędu dla ciągu walidacyjnego
zidentyfikowania minimum lokalnego funkcji błędu uczącego
Pytanie 19
Metoda wzmacniania gradientowego (gradient boosting) służy do:
przyspieszania procesu uczenia głębokich sieci neuronowych
generowania dodatkowych sztucznych próbek w zbiorach uczących
budowania mocnego modelu złożonego z wielu słabszych modeli
zwiększania kontrastu pomiędzy blisko leżącymi klastrami
Pytanie 20
Hiperparametrami modelu nazywa się parametry, które:
mogą zmieniać się w bardzo szerokim zakresie wartości
sterują przebiegiem procesu uczenia modelu
są dopasowywane podczas uczenia do danych wejściowych
opisują wagi połączeń pomiędzy całymi warstwami sieci
Pytanie 21
Istotną WADĄ sieci neuronowych jako modeli eksploracji danych jest:
brak zdolności do modelowania zjawisk nieliniowych
bardzo długi czas reakcji (odpowiedzi) nauczonej sieci
brak zdolności wyjaśniania (uzasadniania) wygenerowanych odpowiedzi
nieparametryczność
Pytanie 22
Końcowe trzy etapy eksploracji danych w metodologii CRISP-DM to KOLEJNO:
Ewaluacja - Modelowanie - Wdrożenie
Wdrożenie - Ewaluacja - Modelowanie
Modelowanie - Wdrożenie - Ewaluacja
Modelowanie - Ewaluacja - Wdrożenie
Pytanie 23
Iloczyn skalarny wektora cech z pewnym wektorem wag można traktować jako formę:
obrotu w przestrzeni cech
regresji liniowe
redukcji wymiarowości
ekstrakcji cech
Pytanie 24
W pewnym problemie eksploracji danych zmienna wyjściowa (zależna) przyjmuje 3 możliwewartości: "biały","czerwony", "niebieski". Dany problem zaliczamy do zadań:
regresyjnych (szacowanie, predykcja)
klasyfikacji wzorcowej
poszukiwania reguł asocjacyjnych
klasyfikacji bezwzorcowej (grupowania)