Главная /
Логические нейронные сети /
Обсудите следующую проблему: Справедлив ли вывод об универсальности разработанного проекта программного продукта и его применении при перенастройке для использования в других подобных системах кластеризации ситуаций и принятия решений? Обобщите свои вывод
Обсудите следующую проблему:
Справедлив ли вывод об универсальности разработанного проекта программного продукта и его применении при перенастройке для использования в других подобных системах кластеризации ситуаций и принятия решений?
Обобщите свои выводы на основе анализа системы комплексной оценки деятельности предприятия.
вопросПравильный ответ:
программный продукт на основе совершенной логической нейронной сети должен быть инвариантным относительно количества рецепторов и количества нейронов выходного слоя. Изменение этих параметров пользователем, а также изменение конфигурации связей должны производиться оперативно. Также оперативной, доступной и изменяемой по желанию пользователя должна быть информация о смысловом содержании запросов и решений. Примененная передаточная функция соответствует универсальности нейронной сети. Выполнение этих требований позволит использовать программный продукт в системе оценки деятельности предприятия
передаточная функция должна выбираться пользователем в соответствии с назначением системы. Возможность применения предполагаемого продукта для системы оценки деятельности предприятия должна быть исследована отдельно
отдельные расчеты показали низкий уровень универсальности проекта программного продукта. Возможность применения выбранной передаточной функции должна быть исследована в связи с предполагаемым применением
Сложность вопроса
61
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Я завалил сессию, какого чёрта я не углядел данный сайт с всеми ответами по интуит до того как забрали в армию
05 апр 2020
Аноним
Зачёт защитил. Мчусь кутить отмечать экзамен intuit
02 июн 2018
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Рассмотрите возможности и принципы "работы" компьютерного человечка КОМПИ. Рассмотрите принципы обучения КОМПИ.
- # Пусть нейроны выходного слоя принадлежат коре. Между ними существуют взаимно подавляющие, отрицательные (с отрицательными весами, ингибидорные) связи, как показано на рисунке. [Большая Картинка] Для локализации возбуждения единственного нейрона предположим, что в каждом такте работы нейросети каждый нейрон уменьшает величину возбуждения всех других нейронов на 0,1 величины собственного возбуждения. В свою очередь, он подвергается такому же воздействию со стороны других нейронов. Следовательно, нейрон, величина возбуждения которого максимальна, через несколько тактов подавит возбуждение других нейронов (величина их возбуждения станет ниже порога) и обретет четко выраженный сигнал возбуждения в ответ на поставленную задачу распознавания. Рассчитайте величины возбуждения нейронов, "отвечающих" за буквы А, В, С по заданным начальным значениям их возбуждения fA, fB, fC и определите, через сколько тактов значимой величиной возбуждения будет обладать единственный нейрон. После предъявления образа нейроны выходного слоя, соответствующие узнаваемым буквам, обрели значения возбуждения: fA = 1,5, fB = 1,6, fC = 1,1 .
- # Пусть системы принятия решений (СПР) используют одинаковую систему обобщенных эталонов. x1 & x2 & x3 → R1, x2 & x3 & x4 → R2, x1 & x3 & x4 → R3 Они реализованы матрицами следования разной структуры. В процессе эксплуатации СПР выявилась необходимость дополнения их новым обобщенным эталоном x1 & x2 & x4 → R4 Выполните дополнительную трассировку матрицы следования. Примечание. Целесообразно восстановить информацию о том, в получении каких решений участвует каждый нейрон. Обучение трем эталонам привело к получению матрицы следования: [Большая Картинка]
- # Пусть системы принятия решений (СПР) используют одинаковую систему обобщенных эталонов. x1 & x2 & x3 → R1, x2 & x3 & x4 → R2, x1 & x3 & x4 → R3 Они реализованы матрицами следования разной структуры. В процессе эксплуатации СПР выявилась необходимость дополнения их новым обобщенным эталоном x1 & x2 & x4 → R4 Выполните дополнительную трассировку матрицы следования. Примечание. Целесообразно восстановить информацию о том, в получении каких решений участвует каждый нейрон. Обучение трем эталонам привело к получению матрицы следования: [Большая Картинка]
- # Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1= {5; 8}, Y2= {3; 4}, Y3= {6; 5}, Y4= {1; 5} Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала δ1= [0, 1), δ2= [1, 2), δ3= [2, 3) По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип "размножения" решений. (x1∈δ1) ∧ (x2∈δ1) → Y2 (x1∈δ1) ∧ (x2∈δ2) → Y3 (x1∈δ1) ∧ (x2∈δ3) → Y4 (x1∈δ2) ∧ (x2∈δ1) → Y1 (x1∈δ2) ∧ (x2∈δ2) → Y2 (x1∈δ2) ∧ (x2∈δ3) → Y3 (x1∈δ3) ∧ (x2∈δ1) → Y4 (x1∈δ3) ∧ (x2∈δ2) → Y1 (x1∈δ3) ∧ (x2∈δ3) → Y2