Главная /
Логические нейронные сети /
В чем заключается существенный недостаток нахождения решения с помощью логической нейронной сети и как можно снизить его значение?
В чем заключается существенный недостаток нахождения решения с помощью логической нейронной сети и как можно снизить его значение?
вопросПравильный ответ:
в необходимости нахождения нейрона выходного слоя, имеющего максимальную величину возбуждения. Влияние указанного недостатка может быть снижено, если нейронная сеть является звеном в длинной логической цепочке последовательно "работающих" нейронных сетей. При этом локализация промежуточных решений не требуется: они используются автоматически следующей нейронной сетью. Другой способ снижения роли указанного недостатка требует разработки средств аппаратной поддержки в составе специализированного процессора – нейрокомпьютера
сложность корректного формального представления системы принятия решений
дистрибутивное представление формального описания СПР, корректировка параметров нейронной сети, верификация ее столь сложны, что требуют концентрации усилий на построении однослойных, а если возможно, - совершенных логических нейронных сетей. Это практически возможно всегда
Сложность вопроса
94
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Нереально сложно
06 мар 2019
Аноним
Зачёт прошёл. Мчусь в бар отмечать победу над тестом интут
11 ноя 2018
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Составьте логическую нейронную сеть на основе "электронной" схемы. Воспользуйтесь передаточной функцией \begin{array}{l} V=\sum_j V_j \\ V_i = \left \{ \begin{array}{ll} V, & \mbox{если } V \ge h \\ 0, & \mbox{в противном случае} \end{array}\right \end{array} Сохраните информацию о нейронах, прообразом которых были конъюнкторы. Зафиксируйте для них высокое значение порога h = 1,4, обусловленное допустимым нижним уровнем достоверности событий (≅ 0,7) и количеством активных входов. Для остальных нейронов положите h = 0 . Исходная "электронная" схема имеет вид: [Большая Картинка]
- # Исследуйте возможность социально-исторического прогнозирования с помощью логической нейронной сети. Сформулируйте свои соображения о построении логической нейронной сети, прогнозирующей моральное состояние общества.
- # Вид некоторой "красивой" граф-схемы показан на рисунке. Для передаточной функции, представляющей сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы, постройте нейронную сеть, способную "обучиться" распознаванию букв, показываемых на экране размером 3×5 . Предполагается, что обученная нейросеть создается с помощью единичных весов связей (пропускающих сигнал в нужном направлении), веса "ненужных" связей полагаются равными нулю. [Большая Картинка] Обучите нейронную сеть распознаванию буквы В, по логическому выражению (1,1)∧ (1,2)∧ (1,3)∧ (2,1)∧ (2,3)∧ (3,1)∧ (3,2)∧ ((4,1)∨ (5,1))∧ (4,3)∧ ((5,2)∨ (5,3)) . Букве поставьте в соответствие второй нейрон выходного слоя.
- # Как показала жизнь, а также свидетельствует глубокое знание законов диалектики, ни одна из версий о происхождении человека не противоречит тем качествам, которые вызывают возмущение чеховского героя. И наоборот, каждое из этих качеств лишь укрепляет уверенность в правоте каждого предположения о происхождении человека. Данное утверждение лежит в основе предположения о следующей структуре нейронной сети, отображающей модель наших исследований. [Большая Картинка] Выбрав передаточную функцию Vi:= if V > h then if V < 1 then V else 1 else 0, h = 0,1 и положив V4= 1, рассчитайте установившиеся значения возбуждения нейронов, "отвечающих" за версии о происхождении человека, и определите устойчивость выводов нейронной сети по отношению к исходным предположениям. V1= 0,5, V2= 0,6, V3= 0,4
- # Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечетко заданным характеристикам. Передаточная функция имеет вид: \begin{array}{l} V=\sum_j V_j \\ V_i = \left \{ \begin{array}{ll} V, & \mbox{если } V > h \\ 0, & \mbox{в противном случае} \end{array}\right \\ h=0,5 \end{array} Нейронная сеть имеет вид: [Большая Картинка] Достоверность предположения о принадлежности значений x1 и x2 исследуемым интервалам равна: P(x1∈δ2) = 0,2, P(x1∈δ3) = 0,8, P(x2∈δ1) = 0,2, P(x2∈δ2) = 0,6, P(x2∈δ3) = 0,2.