Главная /
Логические нейронные сети /
Воспользуйтесь нейронной сетью Антрополога-Исследователя, представленной на рисунке, [картинка] при передаточной функции \begin{array}{l} V=\sum_j V_j \\ V_i = \left \{ \begin{array}{ll} V, & \mbox{если } V \ge h \\ 0, & \mbox{в противном случае}
Воспользуйтесь нейронной сетью Антрополога-Исследователя, представленной на рисунке,
при передаточной функции
и при h = 0,25
. Максимально возбудите нейроны Х = Иван, Y = Марья
. Проанализируйте "ответы" нейросети.
Правильный ответ:
максимально (
V = 1
) возбуждаются нейроны, указывающие на то, что Иван – мужчина
, а Марья - женщина
. Также максимально возбуждаются нейроны, указывающие на то, что Марья – родитель Ивана
и Марья – мать Ивана
. Со значением 0,75 возбуждаются нейроны, указывающие на прямое родство Ивана и Марьи с некоторыми третьими лицами (например, Василий – брат Ивана
). Со значением 0,5 возбуждаются нейроны, указывающие на прямое родство исключительно Ивана
или Марьи
с третьими лицами
возбуждение нейронов убывает по степени родства
Ивана
и Марьи
с третьими лицами
по возбуждению нейронов следует судить о степени родства
Ивана
и Марьи
с третьими лицами
Сложность вопроса
65
Сложность курса: Логические нейронные сети
81
Оценить вопрос
Комментарии:
Аноним
Благодарю за подсказками по интуит.
05 дек 2019
Аноним
просто спасибо
07 мар 2019
Аноним
Гранд мерси за решебник по интуит.
04 май 2016
Другие ответы на вопросы из темы искусственный интеллект и робототехника интуит.
- # Совокупность высказываний x1, x2, x3 отображает исчерпывающее множество событий. Составьте дизъюнктивную нормальную форму по заданным таблично предполагаемым значениям функции f от различных ситуаций. [Большая Картинка]
- # Сформируйте обученную нейронную сеть по логическому описанию СПР с помощью множества нейроподобных элементов. Кроме необходимого количества рецепторов и нейронов выходного слоя, допускается использование минимального числа промежуточных, "скрытых" нейронов. Используйте оптимальное закрепление рецепторов. Определите значения весов связей (см. Лекцию 10) так, чтобы значения возбуждения нейронов выходного слоя принадлежали диапазону [0, 1] . Решение представьте в виде матрицы следования. Логическое описание СПР: 1. x1 ∧ 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"
- # 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 ∧ (y2 ∨ y3) → R1, y2 ∨ (y4 ∧ (y2 ∨ y3)) → R2, (y1 ∨ y3) ∧ (y2 ∨ y4) → R3
- # Обсудите следующую проблему: Справедлив ли вывод об универсальности разработанного проекта программного продукта и его применении при перенастройке для использования в других подобных системах кластеризации ситуаций и принятия решений? Обобщите свои выводы на основе анализа системы оценки странового риска.
- # 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.