|
Question |
Answer |
Jaką rolę pełni warstwa konwolucyjna w głębokich sieciach konwolucyjnych: start learning
|
|
|
|
|
Poniższa sieć (prosta pamięć asocjacyjna) działa synchronicznie. W chwili początkowej sygnały wyjściowe wynoszą: a = a = a =1. Po pierwszym takcie wektor nowych sygnałów wyjściowych neuronów wynosi: start learning
|
|
|
|
|
Ile wynosi wektor wag połączeń w, aby ten neuron McCulloch-Pittsa realizował funkcję logiczną OR? start learning
|
|
|
|
|
W regule uczenia rywalizacyjnego WTA (sieci samoorganizujące) neuron zwycięski to ten: start learning
|
|
dla którego iloczyn skalarny wektora wag i wektora wejściowego jest największy
|
|
|
Ile wynosi sygnał wyjściowy a dla: - liniowej funkcji aktywacji (liniowa) - binarnej, unipolarnej funkcji aktywacji (unipolarna) start learning
|
|
|
|
|
Algorytm wstecznej propagacji błędów to: start learning
|
|
zasada uczenia sieci wielowarstwowej
|
|
|
Ile wynosi odległość Euklidesowa oraz kątowa miara dwóch wzorców o współrzędnych P(1,0) i Q(1,1)? start learning
|
|
Euklidesowa 1 miara kątowa pierw2 / 2
|
|
|
Jaka funkcja aktywacji φ(s) zapewni na wyjściu sygnał a = -1? start learning
|
|
|
|
|
Jakie cechy powinna mieć funkcja aktywacji dla rozwiązania problemu regresji? start learning
|
|
|
|
|
Mamy następujące dwa wektory o rozmiarze (1 x 2),: v = [1 0] i u = [1 255]. Ile wynosi odległość Hamminga tych wektorów przedstawionych w formie binarnej, jeżeli każdy element wektorów jest zakodowany przy pomocy ciągów 8-mio bitowych? start learning
|
|
|
|
|
Jakim wzorem określona jest "δ" w regule delta uczenia neuronu: start learning
|
|
|
|
|
Kiedy występuje zjawisko przeuczenia (ang. overfitting) sieci? start learning
|
|
Gdy sieć zwraca poprawne wyniki na zbiorze uczącym, ale niepoprawne na zbiorze testującym
|
|
|
Która z funkcji aktywacji neuronu jest bipolarna i nieciągła? start learning
|
|
φ(s) = {1 gdy s ≥ 0 −1 gdy s < 0
|
|
|
Które elementy sieci neuronowej modyfikowane są podczas procesu uczenia? start learning
|
|
|
|
|
Na płaszczyźnie 2D mamy dwa punkty odpowiednio o współrzędnych i. Analizujemy następujące 3 miary odległości: Euklidesa, Manhattan i Chebyshev. Ułóż, te miary w takim porządku, aby wartości odległości obliczone wg tych miar dawały ciąg rosnący. start learning
|
|
Manhattan, Euklides, Chebyshev
|
|
|
W teorii sztucznych sieci neuronowych epoką nazywamy: start learning
|
|
|
|
|
Jaka funkcja aktywacji φ(s) zapewni na wyjściu sygnał a = -1? start learning
|
|
|
|
|
Wektory danych uczących sieci samouczących powinny być znormalizowane. Jaką mają postać po normalizacji następujące wektory uczące: p 1 = [3, 4]; = T p 2 [1, 2] T start learning
|
|
p 1n = [0.6, 0.8]; = T p 2n [0.447, 0.894] T
|
|
|
Zgodnie z ogólną zasadą uczenia, zmodyfikowany wektor wag wyraża się ogólną zależnością: start learning
|
|
|
|
|
Sieć Kohonnena wykorzystywana jest do: start learning
|
|
|
|
|
Co jest głównym elementem sieci rekurencyjnych, który odróżnia je od klasycznych sieci gęsto połączonych? start learning
|
|
Obecność sprzężenia zwrotnego (obecność wartości wyjściowej poprzedniego rekordu na wejściu aktualnego rekordu)
|
|
|
Jakie jest zadanie warstw konwolucyjnych? start learning
|
|
Wyekstrahowanie informacji istotnych z danych wejściowych
|
|
|
Jaka będzie odpowiedź neuronu przy bipolarnej, nieciągłej funkcji aktywacji f(n)? start learning
|
|
|
|
|
Sieć konwolucyjna. Jaki będzie wynik operacji konwolucji dla następującego obrazka i jądra konwolucji: start learning
|
|
[4,3,4] [2, 4, 3] [2, 3, 4]
|
|
|
Ile wynosi wektor wag v, aby poniższy układ realizował bramkę NAND (0 – fałsz, 1- prawda; unipolarna funkcja aktywacji)? start learning
|
|
|
|
|
