Обучите нейронную сеть двум буквам B и С, как показано на рисунке, согласно логическим выражениям

В: (1,1)∧ (1,2)∧ (1,3)∧ (2,1)∧ (2,3)∧ (3,1)∧ (3,2)∧ ((4,1)∨ (5,1))∧ (4,3)∧ ((5,2)∨ (5,3)) .

С: ((1,1)∨ ((1,2))∧ ((1,3)∨ (2,3))∧ (2,1)∧ (3,1)∧ ((4,1)∨ (5,1))∧ (5,2)∧ ((5,3)∨ (4,3)).

Используйте передаточную функцию суммирования значений сигналов на входах нейрона при нулевом пороге. Различает ли сформированная нейросеть эталоны этих букв?

Правильный ответ:

• # 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?
• # Вид некоторой "красивой" граф-схемы показан на рисунке. Для передаточной функции, представляющей сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы, постройте нейронную сеть, способную "обучиться" распознаванию букв, показываемых на экране размером 3×5 . Предполагается, что обученная нейросеть создается с помощью единичных весов связей (пропускающих сигнал в нужном направлении), веса "ненужных" связей полагаются равными нулю. [Большая Картинка] Обучите нейронную сеть распознаванию буквы А по логическому выражению (1,1)∧ (1,3)∧ (2,1)∧ (2,2)∨ (3,2))∧ (2,3)∧ (3,1)∧ (3,3))∧ (4,1)∧ (4,3)∧ (5,2) . Букве поставьте в соответствие первый нейрон выходного слоя.
• # Задайте нейронной сети "странный" вопрос и исследуйте ее ответ. Воспользуйтесь передаточной функцией V_i:=\left \{ \begin{array}{ll} V, & \mbox{при } V \ge h, \\ 0, & \mbox{в противном случае;} \end{array}\right h=0,5 Матрица следования, описывающая нейронную сеть, имеет вид: [Большая Картинка] Задайте значения x1= 1, x2= 0, x3= 1, x4= 0 . Найдите значения возбуждения нейронов выходного слоя и объясните полученный "ответ" нейронной сети, как системы принятия решений.
• # Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1= {5; 8}, Y2= {3; 4}, Y3= {6; 5}, Y4= {1; 5} Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала δ1= [0, 1), δ2= [1, 2), δ3= [2, 3) По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип "размножения" решений. (x1∈δ1) ∧ (x2∈δ1) →​ Y3 (x1∈δ1) ∧ (x2∈δ2) →​ Y4 (x1∈δ1) ∧ (x2∈δ3) →​ Y1 (x1∈δ2) ∧ (x2∈δ1) →​ Y2 (x1∈δ2) ∧ (x2∈δ2) →​ Y3 (x1∈δ2) ∧ (x2∈δ3) →​ Y4 (x1∈δ3) ∧ (x2∈δ1) →​ Y1 (x1∈δ3) ∧ (x2∈δ2) →​ Y2 (x1∈δ3) ∧ (x2∈δ3) →​ Y3
• # Желая "спасти" однослойную нейронную сеть, определяющую только три возможных решения, введите в обращение веса синапсических связей. Веса связей положите равными обратной величине количества активных входов нейрона. Уточните 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=0,5 \end{array} Нейронная сеть с учетом весов связей примет вид: [Большая Картинка] Проверьте, правильно ли "работает" нейросеть? А1 = 0,8, А2 = 0,2, В1 = 0,6, В2 = 0,4.