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) = 0,9, (1,3) = 0,9, (2,1) = 1, (2,2) = 0,1, (2,3) = 1, (3,1) = 0,9, (3,2) = 0, (3,3) = 0,1, (4,1) = 0,9, (4,2) = 0, (4,3) = 1, (5,1) = 0,9 (5,2) = 0,9, (5,3) = 0,1.
вопрос
Правильный ответ:
это буква А
это буква В или С
это буква С
это не похоже ни на одну из известных букв
Сложность вопроса
83
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Очень сложные тесты
08 янв 2019
Аноним
Гранд мерси за решебник по интуит.
04 дек 2018
Аноним
Это очень элементарный вопрос по интуиту.
24 ноя 2015
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Составьте логическую нейронную сеть на основе "электронной" схемы. 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 \end{array} Сохраните информацию о нейронах, прообразом которых были конъюнкторы. Зафиксируйте для них высокое значение порога h = 1,4, обусловленное допустимым нижним уровнем достоверности событий (≅ 0,7) и количеством активных входов. Для остальных нейронов положите h = 0 . Исходная "электронная" схема имеет вид: [Большая Картинка]
- # В нейронной сети, представленной на рисунке, в передаточной функции \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 \end{array} положите все пороги h равными нулю, а веса связей нейронов, исполняющих роль конъюнкторов, положите равными обратной величине количества активных входов. Исследуйте "работу" нейронной сети по вариантам ситуаций. [Большая Картинка] А1 = 0,8, А2 = 0,2, В1 = 0,5, В2 = 0,5
- # Для правильной совершенной нейронной сети, используемой в бабушкиной СПР 1. x1 ∧ x4 → 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)∨ (x3 ∧ (x5 ∨ x7)) → R6= "Пешая прогулка" исследуйте и обсудите возможность применения данной передаточной функции на основе анализа эталонных ситуаций. Передаточная функция имеет вид: \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 \end{array} (Значение h позвольте выбрать бабушке самой так, чтобы не морочить себе голову анализом ненулевых значений возбуждения.)
- # Выберите по два диапазона возможной принадлежности показателей банка: δZ11= [0, 25), δZ12= [25, 50], δZ21= [0, 10), δZ22= [10, 25], δZ31= [0, 5), δZ32= [5, 10], δZ41= [0, 2), δZ42= [2, 5]. Постройте обученную совершенную логическую нейронную сеть, связав диапазоны принадлежности каждого эталонного банка со сферическими координатами точки, соответствующей этому банку на экране. Банки-эталоны и их рейтинг: В1($40 млрд.; $22 млрд.; $10 млрд.; $5 млрд.) → R1 В2($25 млрд.; $13 млрд.; $5 млрд.; $2 млрд.) → R1 В3($21 млрд.; $15 млрд.; $2 млрд.; $3 млрд.) → R2 B4($11 млрд.; $12 млрд.; $6 млрд.; $1 млрд.) → R2 B5($20 млрд.; $1 млрд.; $0,5 млрд.; $0 млрд.) → R3 B6($1 млрд.; $0,5 млрд.; $0 млрд.; $0,1 млрд.) → R3 Точки – банки в сферической системе координат: В1(4, 1800), В2(4, 00), B3(7, 450), B4(8, 2500), B5(12, 2100), B6(11, 600).
- # Свяжите сеть, состоящую из 4 населенных пунктов, маршрутами взаимного общения. Запомните маршруты с помощью логической нейронной сети, в которой отразите пункты отправления, пункты назначения и промежуточные пункты смещения. Сеть населенных пунктов имеет вид: [Большая Картинка]