Выскажите свои соображения по непредсказуемому (альтернативному) развитию сюжета видеофильма на основе зрительского контингента и зрительской реакции.

Какие функции должна выполнять интеллектуальная надстройка динамического контроля знаний, понимания и степени заинтересованности студентов - слушателей лекции, читаемой преподавателем, и рекомендующая ему расстановку акцентов при иллюстрации своего материала с помощью средств мультимедиа?

Правильный ответ:

• # Сформируйте обученную нейронную сеть по логическому описанию СПР с помощью множества нейроподобных элементов. Кроме необходимого количества рецепторов и нейронов выходного слоя, допускается использование минимального числа промежуточных, "скрытых" нейронов. Используйте оптимальное закрепление рецепторов. Определите значения весов связей (см. Лекцию 10) так, чтобы значения возбуждения нейронов выходного слоя принадлежали диапазону [0, 1] . Решение представьте в виде матрицы следования. Логическое описание СПР: 1. (x1 ∨ x3) ∧ (x4 ∨ x7) →​ R1= "Прогулка на велосипеде"; 2. (x1 ∧ x6) ∨ (x2 ∧ x4) →​ R2= "Шахматы"; 3. (x2 ∧ x5) ∨ (x1 ∧ x7) →​ R3= "Верховая езда"; 4. (x1 ∧ x5) ∨ (x2 ∧ x6) →​ R4= "Байдарка"; 5. x3 ∧ (x4 ∨ x6) →​ R5= "Дискотека"; 6. x2 ∧ x7 →​ R6= "Пешая прогулка"; 7. x3 ∧ (x5 ∨ x7) →​ R6= "Пешая прогулка"
• # Клетки экрана, заданные координатами, соответствуют рецепторам, величина возбуждения которых принадлежит отрезку [0, 1] . Передаточная функция f представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Таким образом, эталон буквы, по которому производится обучение, изображается возбуждением рецепторов по контуру этого эталона с учетом возможных искажений. Выберите порог распознавания h = 0,8 и веса связей так, чтобы суммарное возбуждение нейрона выходного слоя при предъявлении эталона равнялось f × 2/<число клеток, "засвеченных" эталоном буквы А> . "Научите" однослойную нейронную сеть распознавать букву С, задаваемую возбуждением рецепторов по контуру эталона с учетом возможных искажений в угловых точках.
• # Нейронная сеть, отображающая обучение трем буквам, приведена на рисунке. [Большая Картинка] Показаны веса связей – одинаковые для каждой буквы. Передаточная функция f представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Для порога распознавания h = 0,8 определите, на какую букву более всего похож вариант возбуждения рецепторов? (1,1) = 0,9, (1,2) = 0, (1,3) = 0,9, (2,1) = 1, (2,2) = 0,1, (2,3) = 1, (3,1) = 0,8, (3,2) = 0,9, (3,3) = 1, (4,1) = 0,9, (4,2) = 0,1, (4,3) = 1, (5,1) = 0, (5,2) = 0,9, (5,3) = 0,1.
• # Нейронная сеть, отображающая обучение трем буквам, приведена на рисунке. [Большая Картинка] Показаны веса связей – одинаковые для каждой буквы. Передаточная функция f представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Для порога распознавания h = 0,8 определите, на какую букву более всего похож вариант возбуждения рецепторов? (1,1) = 0,9, (1,2) = 1, (1,3) = 0,9, (2,1) = 1, (2,2) = 0,1, (2,3) = 1, (3,1) = 0,8, (3,2) = 0,9, (3,3) = 0,1, (4,1) = 0,9, (4,2) = 0, (4,3) = 0,8, (5,1) = 0,9, (5,2) = 0,9, (5,3) = 0,8.
• # Постройте логическую нейронную сеть "железнодорожная рулетка" для различных вариантов V1 и V2 скорости паровозов, влияющей на величину гонорара линейных. 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 \\ h=0,5 \end{array} V1 = 70 км/ч, V2 = 80 км/ч. А1 ∧ В1 →​ R1 = <Отправить обоих линейных на середину перегона, заплатив гонорар $210>; A1 ∧ В2 →​ R2 = <Отправить даму с приветственным платочком, заплатив гонорар $60>; A2 ∧ В1 →​ R3 = <Отправить линейного с подстилочной соломкой, заплатив гонорар $70>; А2 ∧ В2 →​ R4 = <Отправить обоих линейных на середину перегона, заплатив гонорар $250>.