Главная /
Логические нейронные сети /
[формула](fj – значение входного сигнала), если эта сумма превышает порог h . Произведите верификацию сети на основе известных решений по четко заданным ситуациям. [картинка]
Составьте нейронные сети по схемам систем принятия решений. Примите во внимание, что при расчете передаточной функции N1
входные сигналы принимаются элементом N1
с весом, равным обратной величине количества входов этого элемента. Следовательно, эти веса являются весами соответствующих связей в нейронной сети. Выберите передаточную функцию: (fj
– значение входного сигнала), если эта сумма превышает порог h
. Произведите верификацию сети на основе известных решений по четко заданным ситуациям.
Правильный ответ:
значения весов синапсических связей: ω1= ω2= 0,25, ω3=…= ω10= 0,33
значения весов синапсических связей: ω1= 0,2, ω2=…= ω9= 0,33
значения весов синапсических связей: ω1= 0,33, ω2= ω3= 0,25, ω4=…= ω11= 0,33
Сложность вопроса
75
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Я завалил экзамен, какого чёрта я не увидел данный сайт с всеми ответами с тестами intuit прежде
21 ноя 2018
Аноним
Я провалил сессию, почему я не углядел этот крутой сайт с решениями интуит месяц назад
29 мар 2018
Аноним
Я преподаватель! Оперативно удалите ответы с интуит. Пожалуйста
26 июл 2016
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Минимизируйте длину логических цепочек с помощью "размножения" решений. [Большая Картинка]
- # Для варианта логического описания системы принятия решений (СПР) при игре в "железнодорожную рулетку" (Лекция 9) постройте электронную схему СПР на данной логической матрице, отображающей некоторую регулярную структуру связей внутри множества логических элементов. Оставленные связи говорят об использовании предусмотренных "проводочков", остальные "проводочки" "перекушены". (A1∨A2)∧ (B1∨A2)∧ (A1∨ B2)∧ (B1∨ B2) → R1, (A1∧B2) → R2, (A2∧B1) → R3. Логическая матрица имеет вид: [Большая Картинка]
- # Произведите оптимальное закрепление рецепторов за событиями для графического или "схемотехнического" представления "бабушкиной" нейронной сети для оптимального программирования нейросетевой приставки к компьютеру. Логические выражения, определяющие СПР: 1. (x1 ∨ x3) ∧ 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 → R6= "Пешая прогулка"; 7. x3 ∧ (x5 ∨ x7) → R6= "Пешая прогулка"
- # Клетки экрана, заданные координатами, соответствуют рецепторам, величина возбуждения которых принадлежит отрезку [0, 1] . Передаточная функция f представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Таким образом, эталон буквы, по которому производится обучение, изображается возбуждением рецепторов по контуру этого эталона с учетом возможных искажений. Выберите порог распознавания h = 0,8 и веса связей так, чтобы суммарное возбуждение нейрона выходного слоя при предъявлении эталона равнялось f × 2/<число клеток, "засвеченных" эталоном буквы А> . "Научите" однослойную нейронную сеть распознавать букву В, задаваемую возбуждением рецепторов по контуру эталона с учетом возможных искажений.
- # 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]