Главная /
Логические нейронные сети /
Ниже приведен рисунок. Установите, зависят ли уточненные предположения о происхождении человека от предположения, принятого первоначально? [картинка] Передаточная функция i -го нейрона определяется: [формула] Vi:= if V > h then if V < 1 then V else
Ниже приведен рисунок. Установите, зависят ли уточненные предположения о происхождении человека от предположения, принятого первоначально?
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
.
Правильный ответ:
установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети:
V1= 0,1, V2= 0,45, V3= 0,45, V4= 0,63, V5= 0,7, V6= … = V9= 0, V10= 1
установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети:
V1= 0,1, V2= 0,45, V3= 0,35, V4= 0,63, V5= 0,7, V6= … = V9= 0, V10= 1
установившиеся значения возбуждения нейронов в третьем цикле "работы" нейросети:
V1= 0,1, V2= 0,45, V3= 0,45, V4= 0,63, V5= 0,7, V6= … = V9= 0, V10= 1
Сложность вопроса
77
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Я провалил зачёт, почему я не нашёл этот чёртов сайт с ответами по интуит прежде
03 ноя 2017
Аноним
Гранд мерси за решениями по интуиту.
28 май 2016
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Рассмотрите на уровне аванпроекта интеллектуальную систему охраны, надзора и персонального обслуживания клиентов. Укажите основные принципы, лежащие в основе системы распознавания "свой - чужой".
- # Пусть нейроны выходного слоя принадлежат коре. Между ними существуют взаимно подавляющие, отрицательные (с отрицательными весами, ингибидорные) связи, как показано на рисунке. [Большая Картинка] Для локализации возбуждения единственного нейрона предположим, что в каждом такте работы нейросети каждый нейрон уменьшает величину возбуждения всех других нейронов на 0,1 величины собственного возбуждения. В свою очередь, он подвергается такому же воздействию со стороны других нейронов. Следовательно, нейрон, величина возбуждения которого максимальна, через несколько тактов подавит возбуждение других нейронов (величина их возбуждения станет ниже порога) и обретет четко выраженный сигнал возбуждения в ответ на поставленную задачу распознавания. Рассчитайте величины возбуждения нейронов, "отвечающих" за буквы А, В, С по заданным начальным значениям их возбуждения fA, fB, fC и определите, через сколько тактов значимой величиной возбуждения будет обладать единственный нейрон. После предъявления образа нейроны выходного слоя, соответствующие узнаваемым буквам, обрели значения возбуждения: fA = 1,5, fB = 1,4, fC = 1,45 .
- # 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]
- # 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.
- # 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]