Главная / Математические методы распознавания образов

Математические методы распознавания образов - ответы на тесты Интуит

Курс лекций сосредоточен, в основном, на математических аспектах методов распознавания.

Список вопросов:

# Научная дисциплина, целью которой является классификация объектов по нескольким категориям или классам, носит название
# Что такое распознавание образов?
# Классификация объектов по нескольким категориям или классам может производиться с помощью
# Что является целью распознавания образов?
# Основной целью научной дисциплины распознавания образов является
# Для чего предназначено распознавание образов?
# Классификация объектов при распознавании образов основывается
# На чем основывается классификация объектов при распознавании образов?
# Для чего используется понятие прецедента при распознавании образов?
# Что такое прецедент?
# Образ, правильная классификация которого известна, носит название
# По своей сути прецедент является
# В каких интеллектуальных системах применяется задача распознавания образов?
# К интеллектуальным системам, в которых применяется задача распознавания образов, следует отнести
# Из предложенных ниже записей выделите интеллектуальные системы, в которых применяется задача распознавания образов:
# Системы, назначение которых состоит в получении изображения через камеру и составление его описания в символьном виде, носят название
# Из предложенных ниже записей выделите те, которые соответствуют назначению систем машинного зрения:
# Символьное распознавание - это распознавание
# Для чего распознавание образов может быть применено в медицине?
# Из предложенных ниже записей выделите те области науки, в которых применяется распознавание образов:
# Для чего может применяться распознавание образов?
# Измерения, используемые для классификации образов, называются
# Как называются измерения, используемые для классификации образов?
# Некоторое количественное измерение объекта произвольной природы носит название
# Совокупность признаков, относящихся к одному образу, называется
# Как принято называть совокупность признаков, относящихся к одному образу?
# Правило отнесения образа к одному из классов на основании его вектора признаков носит название
# Выбор признаков, которые с достаточной полнотой (в разумных пределах) описывают образ, носит название
# Отбор наиболее информативных признаков для классификации носит название
# Выбор решающего правила, по которому на основании вектора признаков осуществляется отнесение объекта к тому или иному классу, называется
# К основным элементам построения системы распознавания образов следует относить
# Задача распознавания на основе имеющегося множества прецедентов называется
# Если имеется множество векторов признаков, полученных для некоторого набора образов, но правильная классификация этих образов неизвестна, возникает задача
# Распознавание без обучения носит название
# Кластеризация представляет собой
# Качество решающего правила измеряют
# Выявление признаков, которые наиболее полно описывают объект, носит название
# Выявление признаков, которые имеют наилучшие классификационные свойства для конкретной задачи, называется
# К этапам решения задачи распознавания образов следует относить
# Процедура выделения из множества признаков меньшего подмножества с наилучшим сохранением информативности для классификации называется
# Как называется процедура выделения из множества признаков меньшего подмножества с наилучшим сохранением информативности для классификации?
# В чем суть выбора признаков?
# Основной мотивацией для сокращения числа признаков является
# Одной из основных причин сокращения числа признаков принято считать
# Как настройка классификатора зависит от количества степеней свободы?
# К типам селекции признаков следует относить
# Из предложенных ниже записей выделите типы селекции признаков:
# Какие из предложенных ниже записей следует относить к типам селекции признаков?
# Для чего применяется предобработка векторов признаков?
# К основным операциям предобработки следует относить
# Точки, лежащие "очень далеко" от среднего значения, носят название
# Если распределение случайных величин совпадает для разных классов, то признак
# Задача скалярно селекции на основе проверки статистических гипотез решается путем оценивания
# Если значения признаков отличаются существенно, гипотеза носит название?
# Если значения признаков отличаются несущественно, гипотеза носит название
# В каком случае признак может не обладать хорошими разделительными свойствами?
# При больших дисперсиях признак становится
# Дискриминантными свойствами обладают
# Выделите из перечисленных ниже записей элементы, обладающие дискриминантными свойствами:?
# К способам описания меры отделимости следует относить
# Мера расстояния между плотностями определяется понятием
# Дивергенция учитывает различия
# Главный недостаток многих критериев отделимости классов - это
# Сумма диагональных элементов матрицы называется
# Как называется сумма диагональных элементов матрицы?
# Стратегия называется "жадной", если она
# Примером нежадной стратегии является
# Плавающий поиск базируется на стратегии
# К формам использования критериев (мер отделимости классов) следует относить?
# Пассивная селекция - это
# Построение из исходного набора признаков нового набора меньшего размера, в котором состав признаков не является подмножеством исходного набора признаков, носит название
# Если матрица положительно определенная, то
# Возможна ли генерация признаков через линейные преобразования исходных измерений образов?
# Верно ли то, что генерация признаков через линейные преобразования исходных измерений образов невозможна?
# Целью генерации признаков через линейные преобразования исходных измерений образов является
# Для действительной матрицы условие унитарности обозначает, что матрица
# Если матрица является действительной, то что для нее обозначает условие унитарности?
# Верно ли то, что если действительная матрица является унитарной, то она является ортогональной?
# Базисные вектора между собой
# Какими являются между собой базисные вектора?
# Верно ли то, что базисные вектора между собой ортогональны?
# Целью преобразования Карунена-Лоева является построение такого вектора признаков, чтобы признаки были
# Если матрица является положительно определенной, то ее собственные значения
# Преобразование Карунена-Лоева приводит к построению
# В методе селекции признаков в качестве критерия выступают
# В преобразовании Карунера-Лоева в качестве критерия выступает
# Подпространство главных собственных значений
# Если все подпространства одинаковой размерности, то разделяющие поверхности - это
# Преобразование сингулярных значений матрицы носит название
# Базисными векторами унитарной симметрической матрицы являются
# Имеет ли унитарная симметрическая матрица сопряженную матрицу?
# Из предложенных ниже записей выделите виды дискретных преобразований:
# В чем преимущество дискретного косинусного преобразования?
# Матрицы преобразования Адамара и Хаара вычисляются через
# Какие действия могут применяться при вычислении матриц преобразования Адамара и Хаара?
# К действиям, которые могут применяться при матриц преобразования Адамара и Хаара, следует относить
# Унитарная матрица Адамара порядка n - это матрица
# Для формирования унитарной матрицы Адамара применяется
# Применяется ли кронекерово произведение для формирования унитарной матрицы Адамара?
# Функции Хаара на замкнутом сегменте [0,1] являются
# Результатом процесса дискретизации непрерывной функции в виде двумерного массива является
# К параметрам цифрового изображения следует отнести
# Эффективное кодирование необходимой для классификации информации, содержащейся в оригинальных данных, носит название
# Распределение оттенков серого цвета среди пикселов в регионе называется
# Внутри региона значения интенсивностей описываются
# Величина, равная отношению числа пикселов с заданным уровнем интенсивности к общему числу пикселов в регионе носит название
# В качестве признаков, основанных на статистиках первого порядка, может использоваться
# Кодирование (запоминание) последовательности поворота вектора по пикселям на границе описываемой области носит название
# Вероятность получения решающего правила с заданным качеством называют
# Надежностью обучения классификатора называют
# Что принято называть надежностью обучения классификатора?
# Пусть f(x,a) - класс дискриминантных функций, где aªA - параметр. Число степеней свободы при выборе конкретной функции в классе определяется
# Пусть f(x,a) - класс дискриминантных функций, где aªA - параметр. Каким образом можно определить число степеней свободы при выборе конкретной функции в классе?
# Пусть f(x,a) - класс дискриминантных функций, где aªA - параметр. Верно ли то, что число степеней свободы при выборе конкретной функции в классе определяется размерностью A?
# Линейная дискриминантная функция с n элементами имеет
# Сколько степеней свободы имеет линейная дискриминантная функция с 5 элементами?
# Сколько степеней свободы имеет линейная дискриминантная функция с 10 элементами?
# Квадратичная дискриминантная функция с n элементами имеет
# Сколько степеней свободы имеет квадратичная дискриминантная функция с 5 элементами?
# Сколько степеней свободы имеет квадратичная дискриминантная функция с 3 элементами?
# С увеличением степеней свободы способность классификатора по разделению
# Каким образом изменяется способность классификатора по разделению с увеличением степеней свободы?
# Верно ли то, что с увеличением степеней свободы способность классификатора по разделению уменьшается?
# Могут ли прецеденты быть результатами реализации случайных величин?
# Результатами реализации случайных величин могут быть
# Верно ли то, что прецеденты не могут быть результатами реализации случайных величин?
# От каких параметров зависит средний риск?
# Из предложенных ниже записей выберите те, от которых зависит средний риск:
# От каких из предложенных ниже записей не зависит средний риск?
# Разрешима ли задача минимизации эмпирического риска?
# Верно ли то, что задача минимизации эмпирического риска не разрешима?
# Из перечисленных ниже элементов выберите те, от которых не зависит эмпирический риск:
# Чтобы полученное эмпирическое решающее хорошо работало (отражало общие свойства) для всех образов, в формуле присутствует
# Какие из приведенных ниже элементов входят в неравенство Бернштейна?
# Какие из предложенных ниже элементов не входят в неравенство Бернштейна?
# Разбиение множества на два подмножества носит название
# Как принято называть разбиение множества на два подмножества?
# Верно ли то, что биекция - это разбиение множества на два подмножества?
# Проверка условия критерия равномерной сходимости по вероятности затрудняется
# Чем затрудняется проверка условия критерия равномерной сходимости по вероятности?
# Верно ли то, что проверка условия критерия равномерной сходимости по вероятности затрудняется неопределенностью распределения выборки?
# Универсальной характеристикой класса решающих функций является
# Если емкость класса решающих функций конечна, то всегда имеет место
# Если емкость класса решающих функций бесконечна, то оценка
# Предположение о существовании вероятностной меры на пространстве образов, которая либо известна, либо может быть оценена, лежит в основе
# В чем состоит основная цель байесовского подхода?
# Вероятность, которая задает распределение индекса класса после эксперимента, носит название?
# Объект следует относить к тому классу, для которого апостериорная вероятность
# Правило классификации по максимуму апостериорной вероятности называется
# Какое правило принято называть байесовским?
# Формула Байеса позволяет вычислить апостериорные вероятности событий через
# Какие из перечисленных ниже элементов используются для формулы Байеса?
# Пусть считается, что данных для определения вероятности принадлежности объекта каждому из классов достаточно. Тогда такие вероятности носят название
# Если априорные вероятности и функции правдоподобия неизвестны, то их можно оценить
# Байесовский классификатор по отношению к минимизации вероятности ошибки классификации является
# В том случае, когда цена ошибок различного типа существенно различается, принято использовать
# Возможно ли существование классификатора, минимизирующего общий средний риск?
# Как можно классифицировать ситуацию радиолокационной разведки?
# Возможно ли вычисление порога для минимальной вероятности ошибки?
# Возможно ли вычисление порога для проверки отношения правдоподобия?
# Возможно ли присутствие матрицы потерь в двухклассовой задаче?
# Существует ли возможность нахождения среднего риска в двухклассовой задаче при наличии матрицы потерь?
# В задаче классификации по M классам, вероятность ошибки классификации
# Каким отношением ограничена вероятность ошибки классификации задаче классификации по M классам?
# Вероятности ошибки по отношению к разделению пространства признаков на M областей являются
# Минимизация риска по отношению к разделению пространства признаков на M областей является
# Почему распределение Гаусса широко используется?
# Для определения многомерной плотности нормального распределения используют
# Если логарифмическая дискриминантная функция представляет собой квадратичную форму, то ее разделяющая поверхность являетсяа
# Если разделяющая поверхность является гиперповерхностью второго порядка, то байесовский классификатор является
# Может ли коническое сечение являться разделяющей поверхностью?
# Может ли матрица ковариации быть диагональной?
# Из перечисленных ниже записей выделите линейные поверхности решения:
# Применима ли евклидова норма для линейной поверхности решения с диагональной матрицей ковариации?
# Существуют ли равновероятные классы с одинаковой матрицей ковариации?
# Равновероятные классы с одинаковой матрицей ковариации
# Верно ли то, что существование равновероятных классов с одинаковой матрицей ковариации исключено?
# Выделите из предложенных ниже записей классификаторы по минимуму расстояния:
# Существует ли классификатор по минимуму расстояния с диагональной матрицей ковариации?
# Существует ли классификатор по минимуму расстояния с недиагональной матрицей ковариации?
# Возможно ли построение линейной разделяющей гиперповерхности?
# Построение линейной разделяющей гиперповерхности
# Верно ли то, что построение линейной разделяющей гиперповерхности невозможно по определению?
# К составляющим частям линейной дискриминантной функции следует отнести
# Составляющей частью линейной дискриминантной функции считается
# Из приведенных ниже записей выделите составляющие части линейной дискриминантной функции:
# В двумерных задачах образы представляются
# Каким образом представляются образы в двумерных задачах?
# Верно ли то, что в двумерных задачах образы представляются точками на плоскости?
# Множество, содержащее отрезок, соединяющий две произвольные внутренние точки, называется
# Как называется множество, содержащее отрезок, соединяющий две произвольные внутренние точки?
# Верно ли то, что множество, содержащее отрезок, соединяющий две произвольные внутренние точки, называется вогнутым?
# Минимальное выпуклое множество, содержащее данное, носит название
# Как принято называть минимальное выпуклое множество, содержащее данное?
# Верно ли то, что минимальное выпуклое множество, содержащее данное, принято называть выпуклой оболочкой?
# Два множества на плоскости линейно разделимы тогда и только тогда, когда их выпуклые оболочки
# Выпуклые оболочки двух множеств на плоскости не пересекаются. В таком случае эти множества
# Выпуклые оболочки двух множеств на плоскости пересекаются. Такие множества считаются линейно разделимыми. Верно ли такое утверждение?
# Срединный перпендикуляр к отрезку, соединяющему пару точек в выпуклых оболочках обоих множеств, носит название
# Как называется срединный перпендикуляр к отрезку, соединяющему пару точек в выпуклых оболочках обоих множеств?
# Могут ли совпадать размерность вектора признаков и вектора коэффициентов?
# Что определяет запись (W')T=(WT, W0)?
# Что обозначает запись (X')T=(XT, 1)?
# Существует множество X. Множество -X по отношению к данному множеству является
# Выпуклая оболочка объединения множеств X1 и -X2 не содержит начала координат. Тогда множества X1 и X2 являются
# Выпуклая оболочка объединения множеств X1 и -X2 содержит начало координат. Тогда множества X1 и X2
# Верно ли то, что если выпуклая оболочка объединения множеств X1 и -X2 не содержит начала координат, то множества X1 и X2 являются разделимыми?
# В алгоритме персептрона в основу положен принцип действия
# Выделите из предложенных ниже записей составляющие части обобщенной схемы нейрона:
# К составляющим частям обобщенной схемы нейрона следует отнестия
# Аргументом функции активации является
# Если сумма выхода сумматора и порога меньше нуля, то функция активации равна
# Если сумма выхода сумматора и порога больше нуля, то функция активации равна
# По своей сути нейрон является
# Алгоритм персептрона представляет собой
# Процесс обучения заканчивается, когда нейрон правильно классифицирует
# Существуют ли в евклидовом пространстве два симметричных друг другу множества?
# Возможно ли существование в евклидовом пространстве двух симметричных друг другу множеств?
# Верно ли то, что в евклидовом пространстве невозможно существование двух симметричных друг другу множеств?
# Могут ли симметричные множества в евклидовом пространстве быть разделены гиперплоскостью?
# В евклидовом пространстве существуют два симметричных друг другу множества. Верно ли то, что они не могут быть разделены гиперплоскостью?
# В евклидовом пространстве существуют два симметричных друг другу множества. Могут ли они быть разделены гиперплоскостью?
# Может ли разделяющая гиперплоскость быть оптимальной?
# Верно ли то, что разделяющая гиперплоскость не может быть оптимальной?
# Разделяющую гиперплоскость при определенных условиях приняли за оптимальную. Возможно ли это?
# Если два симметричных друг другу множества разделимы гиперплоскостью, то оптимальная разделяющая гиперплоскость
# Два симметричных друг другу множества разделены гиперплоскостью. Существует ли в этом случае оптимальная разделяющая гиперплоскость?
# Верно ли то, что если два симметричных друг другу множества разделены гиперплоскостью, то оптимальная разделяющая гиперплоскость существует, но не единственна, так как имеет "двойника"?
# Может ли максимум функции П(ϕ) достигаться внутри сферы?
# Где достигается максимум функции П(ϕ)?
# Верно ли то, что максимум функции П(ϕ) не может быть достигнут внутри сферы?
# Максимум функции П(ϕ)
# Верно ли то, что максимум функции П(ϕ) единственный?
# Единственен ли максимум функции П(ϕ)?
# Существуют ли выпуклые оболочки симметричных друг другу множеств, разделенных гиперплоскостью?
# Выпуклые оболочки симметричных друг другу множеств, разделенных гиперплоскостью
# Верно ли то, что выпуклые оболочки симметричных друг другу множеств, разделенных гиперплоскостью, не существуют?
# Определимо ли евклидово расстояние между парой ближайших точек в выпуклых оболочках симметричных друг другу множеств, разделенных гиперплоскостью?
# Евклидово расстояние между парой ближайших точек в выпуклых оболочках симметричных друг другу множеств, разделенных гиперплоскостью
# Верно ли то, что евклидово расстояние между парой ближайших точек в выпуклых оболочках симметричных друг другу множеств, разделенных гиперплоскостью невозможно определить?
# Оптимальная разделяющая гиперплоскость по отношению к отрезку, соединяющему ближайшие точки выпуклых оболочек симметричных друг другу множеств, является
# Какой является оптимальная разделяющая гиперплоскость по отношению к отрезку, соединяющему ближайшие точки выпуклых оболочек симметричных друг другу множеств?
# Верно ли то, что разделяющая гиперплоскость по отношению к отрезку, соединяющему ближайшие точки выпуклых оболочек симметричных друг другу множеств, является унимодальной?
# Задача поиска пары ближайших точек может быть приведена к задаче
# К какой задаче может быть сведена задача поиска пары ближайших точек?
# Верно ли то, что задача поиска пары ближайших точек может быть приведена к задаче квадратичного программирования?
# Сколько ограничений имеет задача квадратичного программирования?
# Какое количество ограничений имеется в задаче квадратичного программирования?
# Количество ограничений в задаче квадратичного программирования равняется
# Задача математического программирования имеет
# В чем состоит алгоритм Гаусса-Зейделя?
# Для нахождения наименьшего расстояния между симметричными множествами используют
# В качестве классификатора можно использовать
# Возможно ли использование булевой функции в качестве классификатора?
# Верно ли то, что использование булевой функции в качестве классификатора невозможно?
# Если отсутствует возможность построения разделяющей прямой. то нельзя построить
# Нелинейный классификатор может быть построен
# Каково значение or(x1, x2), если x1=0, а x2=1?
# Каково значение функции and(x1, x2), если x1=0, а x2=1?
# Каково значение функции or(x1, x2), если x1=1 и x2=1?
# Каково значение функции xor(x1, x2), если x1=1 и x2=1?
# Каждый нейрон задает гиперплоскость, которая разделяет пространство
# На сколько частей делит пространство гиперплоскость, заданная нейроном?
# Верно ли утверждение, что каждый нейрон задает гиперплоскость, которая разделяет пространство пополам?
# Скрытый слой нейронов делит пространство
# На какие структурные части делит пространство слой нейронов?
# Верно ли то, что скрытый слой нейронов делит пространство на икосаэдры?
# Все вектора из каждого полиэдра отображаются
# Выходной нейрон производит
# Верно ли утверждение, что выходной нейрон производит сечение гиперкуба, полученного в скрытом слое?
# Внешний (выходной) нейрон реализует
# Какое количество гиперплоскостей реализует выходной нейрон?
# Верно ли то, что выходной нейрон может реализовывать бесконечное количество гиперплоскостей?
# Трехслойная нейронная сеть позволяет описать
# Для заданного конечного множества прецедентов всегда можно построить разбиение пространства признаков на полиэдры такое, что ни в каком полиэдре не окажется
# Поскольку с каждым полиэдром связаны образы одного класса, то с каждой вершиной гиперкуба
# Каждый нейрон второго слоя трехслойной нейронной сети описывает
# Если число вершин в гиперкубе равно 8, то число нейронов второго слоя равно
# Число вершин в гиперкубе равно 16. Чему равно число нейронов второго слоя?
# Число нейронов второго слоя равно 4. Чему равно количество вершин гиперкуба?
# Если число нейронов второго слоя равно 32, то чему будет равно количество вершин гиперкуба?
# Число нейронов второго слоя
# Нейрон третьего слоя осуществляет
# Классификацию через оператор логического сложения осуществляет
# Каким образом может быть осуществлено построение нейронной сети-классификатора?
# Аппроксимация непрерывной дифференцируемой функцией за счет замены функции активации "сигмовидной" функцией лежит в основе
# Аргумент функции активации нейрона принимает значения в зависимости
# Верно ли то, что аргумент функции активации нейрона принимает значения в зависимости от индекса прецедента?
# Может ли прецедент иметь поле притяжения?
# Верно ли то, что прецедент не может иметь поле притяжения?
# Имеется множество прецедентов. Может ли каждый из них иметь поле притяжения?
# Каждая точка образует в пространстве признаков
# Что образует каждая точка в пространстве признаков?
# Верно ли то, что каждая точка в пространстве признаков образует поле притяжения?
# Производится ли поиск дискриминантной функции по обучающей последовательности?
# Можно ли отыскать дискриминантную функцию по обучающей последовательности?
# Верно ли то, что невозможно отыскать дискриминантную функцию по обучающей последовательности?
# Если при применении "наивного" метода потенциальных функций рассматриваемые функции соизмеримы, то
# При применении "наивного" метода потенциальных функций рассматриваемые функции оказались соизмеримы. К чему это может привести?
# Применялся "наивный" метод потенциальных функций с соизмеримыми функциями. Верно ли то, что это может привести к погружению одних точек в другие?
# При применении общей рекуррентной процедуры для бесконечного ряда требуется
# Что является необходимым требованием для бесконечного ряда при применении общей рекуррентной процедуры?
# Верно ли то, что для бесконечного ряда при применении общей рекуррентной процедуры необходимой является поточечная сходимость?
# Может ли рекуррентная процедура иметь более одной формы?
# Верно ли то, что рекуррентная процедура не может иметь более одной формы?
# Является ли система тригонометрических функций полной системой функций?
# Является ли система тригонометрических функций ортогональной?
# Система тригонометрических функций является
# Какой считается система тригонометрических функций?
# Если задана полная ортогональная система функций одной переменной, то можно построить
# Верно ли то, что если задана полная ортогональная система функций одной переменной, то можно построить полную ортогональную систему функций любого числа переменных?
# Может ли обучающая последовательность быть выборкой конечного объема из пространства признаков?
# Если речь идет о сходимости в вероятностном смысле, то такая сходимость может определяться
# Как может определяться сходимость, если она рассматривается в вероятностном смысле?
# Верно ли то, что сходимость в вероятностном смысле может определяться с вероятностью равной 1?
# Точки из обучающей последовательности
# Какими величинами являются точки из обучающей последовательности?
# Верно ли то, что точки из обучающей последовательности являются независимыми случайными величинами?
# Какова плотность разных точек обучающей последовательности?
# Плотность двух наугад взятых из обучающей последовательности точек
# Верно ли то, что плотность всех точек обучающей последовательности одинакова?
# Может ли сходиться общая рекуррентная процедура?
# Верно ли то, что общая рекуррентная процедура не может сходиться?
# Используется ли полином Эрмита в методе потенциальных функций?
# Байесовский подход исходит
# Какова природа байесовского подхода?
# Верно ли то, что основой байесовского метода являются статистические наблюдения?
# В основе байесовского метода лежит предположение о существовании
# Предположение о существовании какого элемента лежит в основе байесовского метода?
# Верно ли то, что в основе байесовского метода лежит предположение о существовании вероятностной меры на пространстве образов, которая либо известна, либо может быть оценена?
# Разработка какого элемента является целью байесовского метода?
# Цель байесовского метода состоит
# Верно ли то, что цель байесовского метода состоит в разработке такого классификатора, который будет правильно определять наиболее вероятный класс для пробного образа?
# Задача байесовского метода состоит
# В чем состоит основная задача байесовского метода?
# Верно ли то, что основная задача байесовского метода состоит определении наиболее вероятного класса?
# Может ли система подмножеств быть совместной?
# Верно ли то, что система подмножеств не может быть совместной?
# Всегда ли разрешима теоретико-множественная задача?
# Идея комитетного метода распознавания состоит в использовании
# В чем основной смысл комитетного метода распознавания?
# Верно ли то, что основная идея комитетного метода состоит в использовании нескольких классификаторов?
# Существует ли комитет для несовместной системы?
# Комитет для несовместной системы
# Верно ли то, что комитет для несовместной системы не существует?
# К типам комитетов следует отнести
# Из приведенных ниже записей выберите типы комитетов:
# Возможно ли существование разделяющего комитета в классе аффинных функционалов?
# Каждая гиперплоскость должна иметь
# Каждая гиперплоскость должна иметь направляющий вектор, который по отношению к своему прецеденту должен быть
# Направляющий вектор гиперплоскости по отношению к своему прецеденту является
# Точки x1, x2,…,xm пространства Rl называются точками общего положения, если
# На плоскости точками общего положения считаются те точки
# Верно ли то, что существует разделяющий комитет аффинных функционалов, состоящий из не более чем m членов при нечетном m?
# Верно ли то, что существует разделяющий комитет аффинных функционалов, состоящий из не более чем m-1 членов при четном m?
# Определимо ли число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения?
# Верно ли то, что число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения неопределимо?
# Зависит ли число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения, от размерности множества?
# Верно ли то, что число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения не зависит от размерности множества?
# Возможно ли пересечение гиперплоскости с кривой?
# К объектам, которые могут рассматривать в виде эталонов, следует относить
# Выделите из предложенных ниже записей те, которые могут быть использованы в виде эталонов:
# Какие из предложенных ниже элементов могут быть использованы в виде эталонов?
# Эталоном при использовании машинного зрения можно считать
# Используются ли силуэты объектов в сцене при использовании машинного зрения?
# Верно ли то, что в качестве эталона при использовании машинного зрения могут служить силуэты объектов в сцене?
# При рассмотрении строчных образов к критериям, определяющим меру близости, следует относить
# Из предложенных ниже записей выделите те критерии, которые могут применяться при определении меры близости при рассмотрении строчных образов:
# Можно ли определить совпадение порядка букв, как критерий, применяемый при определении меры близости при рассмотрении строчных образов?
# Соответствие между символами эталона и пробного образца должно быть
# Чем по своей сути является соответствие между символами эталона и пробного образца?
# Верно ли то, что соответствие между символами эталона и пробного образца должно быть двудольным графом?
# Из предложенных ниже записей выделите те, которые являются свойствами двудольного графа соответствия между символами эталона и пробного образца:
# К свойствам двудольного графа соответствия между символами эталона и пробного образца следует отнести
# Какие из приведенных ниже утверждений соответствуют свойствам графа соответствия между символами эталона и пробного образца?
# К ошибкам, которые могут возникать в задаче сравнения цепочек упорядоченных символов, следует относить
# Из предложенных ниже записей выделите те, которые можно считать ошибками при решении задачи сравнения цепочек упорядоченных символов:
# Какие ошибки могут возникать при решении задачи сравнения цепочек упорядоченных символов?
# Минимальное общее число изменений, вставок и потерь, требуемое для изменения образа A в образ B, носит название
# Как называется минимальное общее число изменений, вставок и потерь, требуемое для изменения образа A в образ B?
# Верно ли то, что минимальное общее число изменений, вставок и потерь, требуемое для изменения образа A в образ B носит название редакторское расстояние?
# К составляющим частям редакторского расстояния следует относить
# Из предложенных ниже записей выделит составляющие части редакторского расстояния:
# Какие из предложенных ниже записей применяются для определения редакторского расстояния?
# Контура изображаются
# Вершины контуров носят название
# Как принято называть вершины контуров?
# К основным направлениям обработки речи следует отнести:
# Из предложенных ниже записей выделите основные направления обработки речи:
# Каковы основные направления обработки речи?
# К направлениям обработки речи следует отнести
# Из предложенных ниже записей выберите основные направления обработки речи:
# Какие из предложенных ниже записей соответствуют направлениям обработки речи?
# К составляющим частям ядра IWR-систем относят
# Что такое квантование сигнала?
# Задача поиска кратчайшего пути на графе может быть решена методом
# Что определяет зависимость классов?
# Выбор класса, к которому следует отнести вектор, зависит
# Из предложенных ниже записей выберите те, от которых зависит выбор класса, к которому следует отнести вектор:
# Из предложенных ниже записей выберите приложения, в которых может возникнуть необходимость выбора класса, к которому следует отнести вектор:
# К приложениям, в которых может возникнуть необходимость выбора класса, к которому следует отнести вектор, следует отнести
# Когда может возникнуть необходимость выбора класса, к которому следует отнести вектор?
# Классификация векторов по классам называется
# Как называется классификация векторов при распознавании речи?
# Как называется классификация векторов при обработке изображений?
# Отправной точкой контекстно-зависимой классификации является
# В основе контекстно-зависимой классификации лежит понятие
# Верно ли то, что в основе контекстно-зависимой классификации лежит понятие байесовского классификатора?
# Общая информация, которая присутствует в векторах, требует, чтобы классификация была выполнена
# Общая информация, которая присутствует в векторах, требует, чтобы классификация была организованна
# Имеет ли значение последовательность организации классификации векторов?
# Вектор признаков принято называть
# Каково другое название вектора признаков?
# Верно ли то, что вектор признаков принято называть наблюдением?
# Одной из наиболее используемых моделей, описывающих зависимость классов, является
# Для чего может использоваться правило Марковской цепи?
# Применимо ли правило Марковской цепи для описания зависимости классов?
# Когда зависимость классов ограничивается только внутри двух последовательных классов, такой класс моделей называется
# Возможно ли обобщение классов на третий порядок Марковской цепи?
# В последовательности классов наблюдения
# Функция плотности вероятностей в одном классе
# Зависит ли функция плотности вероятностей в одном классе от других классов?
# Верно ли то, что функция плотности вероятностей в одном классе зависит от других классов?
# Что представляет собой алгоритм Витерби?
# Системы, в которых состояния напрямую не наблюдаются и могут быть лишь оценены из последовательности наблюдений с помощью некоторой оптимизационной техники, носят название
# Что такое HMM?
# Тип стохастической аппроксимации нестационарных стохастических последовательностей со статистическими свойствами, которые подвергаются различным случайным переходам среди множества различных стационарных процессов, носит название
# Моделирование последовательности наблюдений как кусочно-стационарного процесса носит название
# Где особо эффективно применяются HMM?
# Что могут представлять собой высказывания в HMM?
# HMM по своей сути является
# Статистические свойства речевого сигнала внутри высказывания