Задайте нейронной сети "странный" вопрос и исследуйте ее ответ.

Воспользуйтесь передаточной функцией

Матрица следования, описывающая нейронную сеть, имеет вид:

Задайте значения x1= 0, x2= x3= 1, x4= 0 . Найдите значения возбуждения нейронов выходного слоя и объясните полученный "ответ" нейронной сети, как системы принятия решений.

Правильный ответ:

• # Задана нейронная сеть, которую следует обучить. Она не обладает ярко выраженной "слоистостью". Формирование "скобок" в порядке их вложенности в этом случае формируется в соответствии с длиной логической цепочки при трассировке отдельно каждого логического выражения, в котором они участвуют. Это определяет условную "слоистость" нейронной сети, при которой трассировка "скобок" производится так, чтобы "успеть собрать" логическое выражение не далее нейрона выходного слоя. Или, – чтобы динамические цепочки возбуждений заканчивались нейронами выходного слоя. Произведите трассировку данной логической нейронной сети по логическому описанию СПР в соответствии с вариантами задачи 4. Вводите дополнительные связи, если это необходимо. [Большая Картинка] Логическое описание СПР: (y1 ∧ y4) ∧ (y2 ∨ y3) →​ R1, y2 ∨ (y4 ∧ (y2 ∨ y3)) →​ R2, (y1 ∨ y3) ∧ (y2 ∨ y4) →​ R3
• # Исследуйте диагностические возможности логических нейронных сетей. Рассмотрите принципы технической диагностики в автоцентре техобслуживания.
• # 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 В, по логическому выражению (1,1)∧ (1,2)∧ (1,3)∧ (2,1)∧ (2,3)∧ (3,1)∧ (3,2)∧ ((4,1)∨ (5,1))∧ (4,3)∧ ((5,2)∨ (5,3)) . Букве поставьте в соответствие второй нейрон выходного слоя.
• # 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. [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}