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