Главная /
Логические нейронные сети /
Нейронная сеть, отображающая обучение трем буквам, приведена на рисунке. [картинка] Показаны веса связей – одинаковые для каждой буквы. Передаточная функция f представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экра
Нейронная сеть, отображающая обучение трем буквам, приведена на рисунке.
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.
вопрос
Правильный ответ:
это буква А
это буква В
это буква С
это не похоже ни на одну из известных букв
Сложность вопроса
48
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Какой студент ищет данные ответы inuit? Это же элементарно
28 дек 2019
Аноним
Я завалил экзамен, какого чёрта я не увидел этот великолепный сайт с ответами с тестами intuit до зачёта
26 май 2018
Аноним
Это очень простецкий вопрос по интуиту.
25 янв 2017
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Рассмотрите аспекты "коллективного" поведения объектов "живого" моделирования. Мониторы сегмента локальной вычислительной сети с прикрепленными к ним средствами цифрового видеоввода установлены в пределах видимости друг друга. На экранах мониторов – "живые" (реагирующие) объекты.
- # Запишите логические выражения, описывающие на экране, разбитом на клетки с координатами, букву С, как показано на рисунке. Учтите возможность ее допустимого искажения при изображении. [Большая Картинка]
- # Произведите трассировку нейронной сети, заданной матрицей следования. Не допускайте переиспользование нейронов. Для этого исключайте из рассмотрения те строки матрицы следования, в которые на предыдущих шагах были записаны единицы. Примечание. При формировании матриц следования, отображающих статические пути возбуждения, пользуйтесь алгоритмом, изложенным в разделе 3.5. Система логических выражений: x1 & x2 & x3 → R1, x2 & x3 & x4 → R2, x1 & x3 & x4 → R3 Матрица следования: [Большая Картинка]
- # Воспользуйтесь приведенной ниже логической нейронной сетью Антрополога-Исследователя. [Большая Картинка] Выберите передаточную функцию \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=0,25 \end{array} Положите веса связей равными обратной величине количества входов нейрона. Максимально возбудите нейрон Х = Марья . Проанализируйте "ответ" нейронной сети.
- # Произведите трассировку нейронной сети заданной структуры для воссоздания обученной нейронной сети для игры в "железнодорожную рулетку". Веса связей нейронов выходного слоя положите равными обратной величине количества активных входов нейрона. Проверьте правильность "работы" нейросети. А1 = 0,8, А2 = 0,2, В1 = 0,4, В2 = 0,6. [Большая Картинка]