Главная /
Логические нейронные сети /
Рассмотрите аспекты "коллективного" поведения объектов "живого" моделирования. На базе компьютерного (в единой памяти) или натурного моделирования созданы два и более "живых" объектов, способных реагировать друг на друга.
Рассмотрите аспекты "коллективного" поведения объектов "живого" моделирования.
На базе компьютерного (в единой памяти) или натурного моделирования созданы два и более "живых" объектов, способных реагировать друг на друга.
вопросПравильный ответ:
их действия по общему, заданному извне, сценарию, должны сочетаться в рамках предусмотренных возможностей с взаимным распознаванием и реакцией, усиливающей радость, неприязнь и др.
идея взаимного реагирования связана с идеей роста актерского мастерства при исполнении конкретных сцен
открываются новые возможности цирковых представлений с участием клоунов
в перспективе широкого внедрения объемного (трехмерного) телевидения взаимное реагирование объектов, сочетающееся с изобразительными возможностями самих объектов, а также допускающее участие актеров, обретет решающее значение, определяющее новый вид искусства
Сложность вопроса
82
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Если бы не опубликованные решения - я бы сломался c этими тестами intuit.
01 авг 2016
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Произведите обучение (трассировку) изображенной на рисунке многослойной нейронной сети по структурированному (скобочному) логическому описанию СПР. Результат трассировки отобразите на матрице следования. Сформируйте значения весов связей в соответствии с прообразом логической операции, реализуемой нейроном. [Большая Картинка] Логическое описание СПР: y1 ∧ (y2 ∨ y3) → R1, y2 ∨ (y4 ∧ (y2 ∨ y3)) → R2, (y1 ∨ y3) ∧ (y2 ∨ y4) → R3
- # Можно ли по логическому описанию СПР построить логическую нейронную сеть, пригодную для практического применения? Логическое описание СПР: y1 ∧(y2 ∨y3) → R1, y2 ∧ (y4 ∨ (y2 ∧y3)) → R2, y3 ∧(y2 ∨ y3) → R3
- # Усовершенствуйте нейронную сеть, дополнив ее возможностью связи между некоторыми пунктами, находящимися в разных секторах. Если это невозможно, исследуйте причину и рассмотрите возможность применения общего подхода, отображенного на приведенном ниже рисунке. [Большая Картинка] Научите нейросеть, как из пункта 6 попасть в пункт 12. (Примечание: достаточно научить нейросеть возвращению в пункт 0.)
- # Пусть в системе автоматического управления технологическим процессом по измеренным значениям вектора двух характеристик X = {x1, x2} вырабатывается вектор управляющего воздействия Y = {y1, y2} Реализован принцип ситуационного управления, основанный на табличном представлении. Таблица имеет вид: [Большая Картинка] Рассчитайте приближенное значение компонент вектора Y для измеренных компонент вектора Х, считая, что y1 слабо зависит от х2, а y2 слабо зависит от х1 X = {2,1; 3,7}
- # 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 = 60 км/ч, V2 = 70 км/ч А1 ∧ В1 → R1 = <Отправить обоих линейных на середину перегона, заплатив гонорар $200>; A1 ∧ В2 → R2 = <Отправить даму с приветственным платочком, заплатив гонорар $50>; A2 ∧ В1 → R3 = <Отправить линейного с подстилочной соломкой, заплатив гонорар $60>; А2 ∧ В2 → R4 = <Отправить обоих линейных на середину перегона, заплатив гонорар $240>.