Почему так важно соблюдать принцип "размножения" решений?

Нейронная сеть имеет вид:

Правильный ответ:

• # 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]
• # 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]
• # Для построения системы принятия решений (СПР) предлагается нейронная сеть заданной структуры. В предположении, что для СПР достаточна однослойная нейронная сеть, составьте обобщенные эталоны для ее обучения (трассировки) по логическому описанию СПР. (x1 ∧ x2) ∨ (x1 ∧ x3) →​ R1, (x2 ∧ x3) ∨x4 →​ R2, (x1 ∧ x3) ∧ x4 →​ R3
• # 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= 0,8, V2= 0,1, V3= 0,1, V4= 1, V5= 1 .
• # 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]