Блок 1_5
1. Коннекционистская парадигма в искусственном интеллекте акцентирует внимание на (5):
a. роли алгоритмических возможностей нейрона
b. роли механизмов гибридизации и отбора
c. роли системы межнейронных связей
2. Парадигма искусственных нейронных сетей предполагает, что вместо программирования используется (5):
a. Распараллеливание
b. Обучение
c. Конструирование
3. Фурье-образ функции Гаусса это (7):
a. Функция Гаусса;
b. Функция Хэвисайда;
c. Дельта-функция Дирака.
4. Прямая теорема свертки позволяет (10):
a. Вычислить свертку двух функций как фурье-образ произведения их фурье-образов;
b. Вычислить свертку двух функций как произведение их фурье-образов;
c. Вычислить свертку двух функций как фурье-образ произведения этих функций.
5. Для обеспечения инвариантности к масштабу в схеме голографического коррелятора Ван дер Люгта транспарант с изображением должен быть (7):
Помещен в задней фокальной плоскости первой Фурье-преобразующей линзы; Помещен между передней фокальной плоскостью и первой Фурье-преобразующей линзой. Помещен между первой Фурье-преобразующей линзой и ее задней фокальной плоскостью;6. Для того, чтобы искусственная нейронная сеть (ИНС) могла работать, необходимо (5):
d. Написать программу ее работы;
e. Разработать алгоритм ее работы.
f. ИНС обучить;
7. Гетеро-ассоциативная память это устройство памяти, которое (5):
a. Восстанавливает эталонный вектор при предъявлении его фрагментированной, зашумленной или искаженной версии;
b. Восстанавливает эталонный вектор при предъявлении фрагментированной, зашумленной или искаженной версии вектора, не связанного (при обучении) с эталонным вектором.
c. Восстанавливает вектор, связанный (при обучении) с эталонным, при предъявлении фрагментированной, зашумленной или искаженной версии эталонного вектора;
8. В персептроне на вход нейрона поступают сигналы от (7):
a. Выходов нейронов предыдущего слоя;
b. Выходов нейронов этого же слоя;
c. Выходов нейронов всех слоев.
9. Метод обучения, известный как «дельта-правило Розенблатта», применим для обучения (8):
a. Персептронов без скрытых слоев;
b. Персептронов со скрытыми слоями;
c. Любых персептронов.
10. В модели двунаправленной ассоциативной памяти, если входной вектор поступает на слой А, то решение типа авто-ассоциативной памяти формируется (5):
a. В слое В;
b. В обоих слоях – А и В.
c. В слое А;
11. Межнейронные связи в нейронной сети Хопфилда связывают (7):
a. Выход нейрона со входами всех нейронов последующего слоя;
b. Выход нейрона со входами всех нейронов предыдущего слоя.
c. Выход нейрона со входами всех нейронов;
12. Сеть Кохонена состоит из: (8)
a. Слоя сенсорных нейронов и слоя Кохонена;
b. Персептрона и слоя Кохонена;
c. Сети Хопфилда и слоя Кохонена.
13. После вычисления расстояний входного вектора от векторов весов связей (8):
a. Нейрон с максимальным расстоянием объявляется победителем;
b. Нейрон со средним расстоянием объявляется победителем.
c. Нейрон с минимальным расстоянием объявляется победителем;
14. В модели АРТ-1 используются нейроны, которые могут принимать следующие состояния (7):
a. Непрерывные из интервала [0,1];
b. Непрерывные из произвольного интервала.
c. Бинарные (0 или 1);
15. В модели АРТ-1, если принято решение о неверности распознавания, то (8):
a. Продолжается поиск подходящего вектора в памяти до тех пор, пока не будет найден подходящий вектор или не будет завершен перебор всех запомненных векторов;
b. Сеть немедленно прекращает работу;
c. Сеть переходит в режим инициализации.
Итого 100 баллов
