Для выполнения алгоритма трассировки необходимо предварительно построить матрицу следования, отображающую все потенциальные статические пути возбуждения, ведущие от нейронов-рецепторов, "участвующих" в логическом выражении, к нейрону выходного слоя, соответствующего решению. Для логического выражения в описании СПР постройте матрицу следования для обучения первому эталону, предварительно введя транзитивные и дополнительные связи.

Система логических выражений:

Система логических выражений:

x₁ & x₂ & x₃ →​ R₁, x₂ & x₃ & x₄ →​ R₂, x₁ & x₃ & x₄ →​ R₃

Матрица следования:

Правильный ответ:

• # 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]
• # Ниже приведен рисунок. Установите, зависят ли уточненные предположения о происхождении человека от предположения, принятого первоначально? [Большая Картинка] Передаточная функция i -го нейрона определяется: Vi:= if V > h then if V < 1 then V else 1 else 0. Примите значения порогов: h = 0 для нейронов 1 – 5 и h = 0,3 для нейронов 6 – 10. Проведите расчет возбуждения нейронов. Положите V1= 0,9, V2= 0,05, V3= 0,05, V4= 1, V5= 0,7 .
• # По приведенному ниже рисунку фрагмента нейронной сети с обратными связями и по формуле для нахождения веса такой связи \omega = \left \{ \begin{array}{ll} 0,5\cdot\cfrac{\Delta t - 4}{4}, & \mbox{при } \Delta t < 4, \\ 0, & \mbox{в противном случае} \end{array} \right проанализируйте два цикла "работы" нейронной сети, если следующая попытка распознавания ситуации с участием Васи (А1= 1 ) совершается до истечения 4 единиц времени с момента предыдущего анализа подобной ситуации. [Большая Картинка] Δt = 2.
• # 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 = {2,1; 3,7}
• # В результате моделирования выяснилось, что рассмотрение принадлежности x1 всему диапазону δ1 не удовлетворяет требованиям к точности результатов. А именно, если предполагается условие x1∈[0; 0,5), нейросеть выдает удовлетворительный ответ. Однако условие (x1∈[0,5; 1))∧ (x2∈[1, 2)) требует нового правильного решения Y5 Модифицируйте заданную нейронную сеть с учетом новых данных. Исходная нейронная сеть имеет вид: [Большая Картинка]