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) = 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.
вопрос
Правильный ответ:
это буква А
это буква В
это буква С
это не похоже ни на одну из известных букв
Сложность вопроса
90
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
спасибо за ответ
04 дек 2020
Аноним
Спасибо за тесты по интуиту.
25 янв 2020
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Совокупность высказываний x1 , x2 , x3 отображает исчерпывающее множество событий. Составьте дизъюнктивную нормальную форму по заданным таблично предполагаемым значениям функции f от различных ситуаций. [Большая Картинка]
- # Составьте эскизный проект совершенной нейронной сети для управления "живым" объектом, обслуживающим посетителей зоопарка. Примечание: Подобные модели предполагают фоновый режим ожидания и рабочий режим. Фоновый режим, заключающийся, например, в нервном хождении по клетке, периодически прерывается рабочим режимом, в котором производится собственно реагирование.
- # Произведите трассировку нейронной сети, заданной матрицей следования S, обучив ее на основе системы обобщенных эталонов x1 & x2 & x3 → R1, x2 & x3 & x4 → R2, x1 & x3 & x4 → R3 Сохраните информацию о том, в получении каких решений участвует каждый нейрон, не являющийся рецептором и не принадлежащий выходному слою. "Доучите" нейросеть на основе уточненного обобщенного эталона, порождающего решение R1 : x1 & x2 & x3 & x4 → R1 Матрица S имеет вид: [Большая Картинка]
- # 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 = {4,2; 4,8}
- # 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 = 0,4, А2 = 0,6, В1 = В2 = 0,5. [Большая Картинка]