Для данной "электронной" схемы составьте схему системы принятия решений, предполагая, что исходные данные представляют собой достоверность высказываний о событиях. N1 и N2 – передаточные функции, приближенно заменяющие операции ∧ и ∨ (прототипы нейронов).

Правильный ответ:

• # Задана нейронная сеть, которую следует обучить. Она не обладает ярко выраженной "слоистостью". Формирование "скобок" в порядке их вложенности в этом случае формируется в соответствии с длиной логической цепочки при трассировке отдельно каждого логического выражения, в котором они участвуют. Это определяет условную "слоистость" нейронной сети, при которой трассировка "скобок" производится так, чтобы "успеть собрать" логическое выражение не далее нейрона выходного слоя. Или, – чтобы динамические цепочки возбуждений заканчивались нейронами выходного слоя. Произведите трассировку данной логической нейронной сети по логическому описанию СПР в соответствии с вариантами задачи 4. Вводите дополнительные связи, если это необходимо. [Большая Картинка] Логическое описание СПР: (y1 ∧ y4) ∧ (y2 ∨ y3) →​ R1, y2 ∨ (y4 ∧ (y2 ∨ y3)) →​ R2, (y1 ∨ y3) ∧ (y2 ∨ y4) →​ R3
• # 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 А по логическому выражению (1,1)∧ (1,3)∧ (2,1)∧ (2,2)∨ (3,2))∧ (2,3)∧ (3,1)∧ (3,3))∧ (4,1)∧ (4,3)∧ (5,2) . Букве поставьте в соответствие первый нейрон выходного слоя.
• # Задайте нейронной сети "странный" вопрос и исследуйте ее ответ. Воспользуйтесь передаточной функцией V_i:=\left \{ \begin{array}{ll} V, & \mbox{при } V \ge h, \\ 0, & \mbox{в противном случае;} \end{array}\right h=0,5 Матрица следования, описывающая нейронную сеть, имеет вид: [Большая Картинка] Задайте значения x1= 0, x2= x3= 1, x4= 0 . Найдите значения возбуждения нейронов выходного слоя и объясните полученный "ответ" нейронной сети, как системы принятия решений.
• # Исследуйте значения исходных данных x1= x2= x3= x4= 1 . Рассчитайте и объясните "ответы" нейронной сети. Нейронная сеть отображена матрицей следования: [Большая Картинка]
• # Почему так важно соблюдать принцип "размножения" решений? Нейронная сеть имеет вид: [Большая Картинка]