По логической нейронной сети, представленной на рисунке, рассчитайте предпочтительное решение. Функция активации:

$f\_\{Вых\; i\}=\backslash begin\{cases\}\; f\_i,\; \backslash text\{если\; \$f\_i\; \backslash ge\; \$h,\}\backslash \backslash \; 0,\; \backslash text\{в\; противном\; случае\};\; \backslash end\{cases\}\; h=1.$

Правильный ответ:

= < Воскликнуть: " Душечка!" >

= < Воскликнуть: " Как только таких на улицу выпускают!" >

= < Сладко помечтать о возможном счастье с высоким брюнетом>

• # По точно известным ситуациям, на основе 5 - 6 достоверных, т.е. "единичных", наборов данных, произведите верификацию всех вариантов выполнения системы принятия решений: "электронной" схемы, схемы на нечеткой логике, "многослойной" и однослойной нейронной сети. Каждый удовлетворительный результат анализа сопровождайте расчетом 2 - 3 (единых для всех способов построения СПР) вариантов нечеткого задания данных. Результаты должны совпасть. При задании возбуждения рецепторов следуйте принципу исчерпывающих множеств событий. Клетки экрана, заданные координатами, соответствуют рецепторам, величина возбуждения которых принадлежит отрезку [0, 1]. Функция активации представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Таким образом, эталон буквы, по которому производится обучение, изображается возбуждением рецепторов внутри этого эталона с учетом возможных искажений. Выберите порог распознавания и веса связей так, чтобы суммарное возбуждение нейрона выходного слоя при предъявлении эталона равнялось . "Научите" однослойную нейронную сеть распознавать букву В, задаваемую возбуждением рецепторов по контуру эталона с учетом возможных искажений.
• # [Большая Картинка]. Предполагается, что обученная нейросеть создается с помощью единичных весов связей (пропускающих сигнал в нужном направлении), веса "ненужных" связей полагаются равными нулю. Обучите нейронную сеть распознаванию буквы А по логическому выражению . Букве поставьте в соответствие первый нейрон выходного слоя.
• # По точно известным ситуациям, на основе 5 - 6 достоверных, т.е. "единичных", наборов данных, произведите верификацию всех вариантов выполнения системы принятия решений: "электронной" схемы, схемы на нечеткой логике, "многослойной" и однослойной нейронной сети. Каждый удовлетворительный результат анализа сопровождайте расчетом 2 - 3 (единых для всех способов построения СПР) вариантов нечеткого задания данных. Результаты должны совпасть. При задании возбуждения рецепторов следуйте принципу исчерпывающих множеств событий. Постройте логическую нейронную сеть "железнодорожная рулетка" для различных вариантов и скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активации ; , если , 0 – в противном случае, . , = <Отправить обоих линейных на середину перегона, заплатив гонорар $210> = <Отправить даму с приветственным платочком, заплатив гонорар $60>; = <Отправить линейного с подстилочной соломкой, заплатив гонорар $70>; = <Отправить обоих линейных на середину перегона, заплатив гонорар $250>.
• # По таблице [Большая Картинка] рассчитайте приближенное значение (игнорируя математическое обоснование) компонент вектора Y для измеренного вектора Х с помощью расстояния между точками, "участвующими" в проводимой интерполяции по формуле Х = {4,2; 4,8}.
• # Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор необходимых управляющих воздействий, составляющих ограниченное множество векторов: . Диапазон [0, 3] изменения переменных и разбит на три интервала = [0, 1), = [1, 2), = [2, 3). По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип "размножения" решений.