83. Вы работаете в аналитической компании и вам поручено разработать модель нейросети для классификации изображений на два класса: кошки и собаки. Выберете подходящую библиотеку для работы с нейронными сетями.
*Библиотека TensorFlow предоставляет мощные инструменты для создания и обучения нейронных сетей, а также обладает широкой поддержкой сообщества. Вы можете использовать ее интерфейс Keras, который упрощает процесс создания модели и ее обучения.
*Библиотека NumPy предоставляет функционал для работы с многомерными массивами и матричными операциями, что является основой для создания нейросетей. Вы можете использовать NumPy в сочетании с другими библиотеками, такими как SciPy или scikit-learn, для создания и обучения модели.
*Библиотека OpenCV предназначена для обработки изображений и компьютерного зрения. Она предоставляет инструменты для работы с изображениями, включая функции для предобработки данных перед обучением нейросети.
84. Вы работаете в компании по разработке программного обеспечения для распознавания изображений. Вашей задачей является выбрать подходящую модель нейронной сети для классификации изображений. Вам предоставлены следующие варианты моделей:Рекуррентная нейронная сеть (RNN)Сверточная нейронная сеть (CNN)Генеративно-состязательная нейронная сеть (GAN)Какую модель нейронной сети Вы выберете?
*RNN
*CNN
*GAN
85. Вы работаете в компании, специализирующейся на разработке системы распознавания объектов на изображениях с помощью сверточных нейронных сетей Вам предоставлен набор изображений, на которых изображены животные. Вам нужно настроить сверточную нейронную сеть для классификации изображений на следующие категории: собаки, кошки и птицы. Выберете верный ответ среди трех вариантов.
*Вам даны 1000 изображений каждой категории (собаки, кошки, птицы), и вы используете их для тренировки сверточной нейронной сети.
*Вам дан только 100 изображений каждой категории, но вы можете использовать предобученную сверточную нейронную сеть, обученную на большом наборе данных с изображениями животных.
*Вам дано только 10 изображений каждой категории, но вы сможете улучшить результаты, используя аугментацию данных, например, повороты и зеркальное отражение.
86. Вы работаете над проектом по анализу тональности текстовых отзывов. Выберете подходящую модель для работы с последовательностями и примите решение по использованию реккурентной нейронной сети.
*Использовать сверточную нейронную сеть (CNN) для анализа текстовых отзывов.
*Применить реккурентную нейронную сеть (RNN) типа LSTM для анализа текстовых отзывов.
*Использовать простую логистическую регрессию для анализа текстовых отзывов.
87. Вы разрабатываете модель нейронной сети для классификации изображений на два класса: собаки и кошки. Вам даны 10000 изображений собак и 10000 изображений кошек для обучения модели. Вы решаете использовать сверточную нейронную сеть для этой задачи. Какие преимущества сверточных нейронных сетей делают их хорошим выбором для задачи классификации изображений?
*Сверточные нейронные сети позволяют выделять важные признаки изображений, такие как углы, границы и текстуры.
*Сверточные нейронные сети обладают высокой скоростью обучения и эффективно применяются в реальных временных задачах.
*Сверточные нейронные сети могут автоматически извлекать семантические признаки изображений, позволяя модели находить общие закономерности в данных.
88. Вы разрабатываете нейронную сеть для классификации изображений с помощью библиотеки TensorFlow. Вам необходимо выбрать функцию активации для скрытых слоев нейронной сети. Какую функцию активации Вы выберете и почему?
*Сигмоидальная функция активации (sigmoid), потому что она позволяет получить значения в интервале 0, 1, что удобно при решении задач классификации.
*Гиперболический тангенс (tanh), потому что она тоже позволяет получить значения в интервале -1, 1, что может быть полезно при решении задач симметричной классификации.
*Функция активации ReLU (Rectified Linear Unit), потому что она способна оперативно считать градиенты, обеспечивая более быструю сходимость при обучении нейросети.
89. Вы разрабатываете нейронную сеть для классификации изображений. Вам нужно улучшить ее производительность, чтобы сократить время обучения и повысить точность предсказаний. Какой из следующих подходов наиболее вероятно приведет к оптимизации нейросети?
*Использование предобученных моделей и дообучение их на своем наборе данных.
*Увеличение количества слоев и нейронов в нейронной сети для увеличения ее мощности.
*Использование всех доступных признаков во входных данных без предварительной обработки.
90. Вы разрабатываете проект, связанный с обработкой и анализом большого объема данных с использованием нейросетей. Для этого вам необходимо выбрать подходящую библиотеку для работы с нейросетями. Какую библиотеку Вы будете использовать?
*TensorFlow
*Django
*NumPy
91. Вы являетесь инженером в команде по разработке искусственного интеллекта. Вам поручили создать реккурентную нейронную сеть, способную генерировать текст на основе последовательностей слов. Для тестирования вашей модели, вам нужно придумать ситуационное задание. Вам дан набор данных, состоящий из последовательностей слов, описывающих праздничное настроение. Обучите реккурентную нейронную сеть на этом наборе данных, чтобы она могла генерировать новые фразы, подобные описанию праздничного настроения.
*Ваша модель тренировалась на наборе данных, состоящем только из рождественских песен. Она генерирует следующую фразу: «Рождественская елка мерцает огнями, а воздух наполнен запахом варенья и праздничного вина».
*Ваша модель тренировалась на наборе данных, состоящем из рождественских и новогодних песен. Она генерирует следующую фразу: «На улице декабрь, и воздух наполнен ожиданием новогоднего чуда. Звезды сияют ярче, а снег хрустит под ногами».
*Ваша модель тренировалась на наборе данных, состоящем только из праздничных сказок. Она генерирует следующую фразу: «Волшебство оживает в этот праздничный вечер. Елка украшена яркими игрушками, а дети с нетерпением ждут подарков от Деда Мороза».
92. Вы являетесь разработчиком компании, которая занимается разработкой рекомендательной системы для онлайн-магазина. Заказчик просит вас улучшить текущую систему, чтобы она стала более точной в предлагаемых рекомендациях. Какой подход Вы выберете для этой задачи?
*Использовать полносвязную нейронную сеть с несколькими скрытыми слоями.
*Использовать сверточную нейронную сеть для обработки изображений продуктов.
*Использовать рекуррентную нейронную сеть для анализа последовательностей действий пользователя.
93. Вы являетесь разработчиком нейронной сети для распознавания изображений. Ваша нейронная сеть имеет слишком высокую вычислительную сложность и требует много ресурсов для обучения и работы. Какую оптимизацию Вы можете предложить для улучшения производительности нейросети?
*Увеличить количество скрытых слоев в нейросети.
*Использовать более сложный оптимизатор.
*Применить методы сжатия модели, такие как квантизация или обрезка весов.
94. Вы являетесь тренером спортивной команды и хотите научить свою команду исполнять определенную комбинацию движений. Вы решили использовать метод обучения с подкреплением, чтобы максимизировать результаты. Вам известно, что тренировочный процесс будет состоять из трех этапов: объяснение комбинации движений, демонстрация и исполнение каждым членом команды, а после каждой попытки команда будет получать положительное или отрицательное подкрепление в зависимости от того, насколько близко они выполнили комбинацию. Какое подкрепление (вознаграждение или штраф) следует использовать после каждой попытки выполнения комбинации движений?
*Увеличивать время тренировки каждый раз, когда команда нестандартно выполняет комбинацию движений.
*Давать каждому члену команды небольшую премию в случае успешного выполнения комбинации дижений.
*Высказывать словесную похвалу и давать поощрение всей команде в случае правильного выполнения комбинации движений.
1. Нейронные сети бывают следующих видов:
*Полносвязные и рекуррентные
*Рекуррентные, сверточные и трансформеры
*Рекуррентные, сверточные, полносвязные и трансформеры
2. Задача классификации – это задача
*Обучения с учителем
*Обучения без учителя
*Обучения с подкреплением
3. Обучение нейронной сети – это применение алгоритма оптимизации для решения задачи
*Минимизации средней нормы градиента эмпирического риска по весам модели
*Минимизации эмпирического риска
*Минимизации средней нормы матриц весов модели
4. Отметьте верные высказывания о функциях активации:
*Функция активации сигмоида лежит в диапазоне [0,1] и может быть интерпретирована как вероятность, а потому часто используется для решения задач бинарной классификации. Функция ReLU - кусочно-линейная
*Функция Leacky ReLU - всюду дифференцируема. Популярная функция активации гиперболический тангенс может быть использована, как решающая функция для задачи регрессии. Производная сигмоидальной функции не выражается аналитически через значение самой функции в данной точке
* Все функции активации взаимозаменяемы вследствие того, что имеют одну и ту же область значений и область определения
5. Идея Momentum состоит в:
*Вычислении градиента в точке, к которой алгоритм должен сойтись на текущем шаге, согласно посчитанному моментному члену, а не в той точке, откуда алгоритм производит шаг
*Использовании идеи физической инерции посредством добавления моментных членов, "скоростей"
*приближенном, а значит - более быстром ("моментальном") вычислении градиентов в текущей
6. Нейронные сети, наиболее часто применяющиеся в CV – это
*Полносвязные
*Сверточные
*Рекуррентные
7. Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Задача обучения сводится к задаче оптимизации на этапе:
*Выбора семейства F
*Оценки качества выбранной функции f из семейства F
*Поиска наилучшей функции из семейства F
8. Производная сигмоиды выражается через саму сигмоиду аналитически, как
*sigm’ = sigm(1 - sigm)
*sigm’ = 5sigm^(5)
*sigm’ = 100sigm/sin(sigm)
9. Метод подбора адаптированного learning rate на основе оценки исторических градиентов:
*Nesterov Momentum
*RMSProp
*Adagrad
10. Припрямом проходечерез Feed Forward Neural Network:
*Происходит обновление весов модели на основе градиентов, посчитанных на предыдущей итерации
*Происходит выстраивание архитектуры модели посредством подбора числа слоев и их размеров
*Сигнал передается посредством последовательного матричного умножения и применения нелинейных функций активации
11. Архитектура полносвязной нейронные сети основана на идее
*обобщения низкоуровневых признаков и генерирования на их основе более высокоуровневых
*Построения разделяющей гиперплоскости
*Минимизации лосс-функции без использования градиентных методов
12. Начальная инициализация весов нейросети:
*Должна быть константной для того, чтобы результаты обучения нейросети на одной и той же трейнинговой выборке были воспроизводимыми
*Должна быть случайной для того, чтобы модель могла обучиться, не зануляя градиенты на определенном шаге, причем такой, что дисперсия сигнала не будет изменяться при проходе через слои нейросети.
*Может быть любой
13. Лучший способ борьбы с переобучением:
*Изменение архитектуры модели
*Регуляризации
*Увеличение количества данных
14. Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:
*ADAM
*Adagrad
*Adadelta
15. Обучение с учителем характеризуется
*Целью обучить агента принимать оптимальные решения в среде
* Отсутствием размеченной выборки
*Наличием размеченной выборки
16. Градиентные методы оптимизации
*Представляют собой итерационные алгоритмы
*Аналитически ищут решение задачи оптимизации
*Вопреки названию, не используют градиенты
17. Условия Каруша-Куна-Таккера применимы для решения:
*Любой задачи оптимизации
*Задачи выпуклой оптимизации
*Задачи оптимизации произвольной функции на выпуклом множестве Q
18. Все описанные в лекции алгоритмы обладают общим свойством. Каким?
*Для всех требуется вычисление матрицы Гессе оптимизируемой функции
*Для всех требуется вычисление градиентов оптимизированной функции
*Для всех требуется подсчет значения оптимизируемой функции в данной точке
19. Функции активации в нейронных сетях:
*Нелинейны (глобально) и вносят неоднородность в сигнал при прямом проходе
*Линейны и нужны для проверки работоспособности модели
*Активируют нейросеть в разных режимах работы
20. Переобучение – это эффект, возникающий при
*Излишней сложности модели по отношению к сложности обучающей выборки, из-за чего происходит “заучивание” данных
*Слишком долгом обучении модели, из-за чего она теряет свою предсказательную способность вследствие увеличения энтропии весов
*Усталости специалиста по машинному обучению от того, что его модели слишком долго учатся
21. Алгоритм Backpropagation:
*Состоит в случайном подборе весов модели до тех пор, пока не будет достигнут оптимальный набор параметров, минимизирующий ошибку
*Используется только для оптимизации полносвязных нейросетей
*Последовательном вычислении градиентов по весам модели, начиная с последнего слоя, по предактивациям соответствующего слоя и градиентам по весам следующего
22. Функции активации в нейронных сетях:
*Нелинейны (глобально) и вносят неоднородность в сигнал при прямом проходе
*Линейны и нужны для проверки работоспособности модели
*Активируют нейросеть в разных режимах работы
1. Что такое интеллектуальный агент?
* компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации
* программа, самостоятельно выполняющая задание, указанное пользователем
компьютера, в течение длительных промежутков времени
* эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров
* математические модели, а также их программные или аппаратные реализации,
построенные по принципу сетей нервных клеток живого организма
2. С помощью чего передаются электрические импульсы в биологическом нейроне?
* нервных волокон
* химической реакции
* рефлекторных окончаний
* ничего из перечисленного
3. На какие основные отрасли делится искусственный интеллект?
*интеллектуальный интерфейс и когнитивное моделирование
*интеллектуальные системы и их программно-аппаратное обеспечение
* поисковик решений
* обработка восприятий и применение мультимедии в ИИ
4. От чего получают сигналы (импульсы) биологические нейроны?
* аксонов
* дендритов
* синапсов
* ядра
5. В чем заключается обучение классической нейронной сети?
* в подстройке весовых коэффициентов
* в назначении количества слоев нейронов
* в приравнивании количества входных и выходных сигналов
* все перечисленные варианты
6. В чем заключается основная роль в создании системы потенциального искусственного интеллекта?
* применение специфической семиотической системы
* формирование пути трансформации из потенциального искусственного интеллекта в реальный искусственный интеллект
* разработка научной концепции для дальнейшей реализации естественного
интеллекта
* использование математического аппарата нечетких множеств
7. К каким задачам можно отнести в общем случае все задачи, решаемые нейронными сетями?
*распознавание
*регрессия
* управление
* кластеризация
8. В чем основная функция биологического нейрона?
* обрабатка информации
* является передаточным звеном между мозгом и остальными физиологическими органами
* накапление информации от рефлекторов
* выполнение накопительной функции
9. В чем состоит основная цель создания искусственного интеллекта?
* выявление основных моментов, играющих существенную роль при создании естественного интеллекта
* использование аналитического мышления
* возможность реализовать основные моменты на базе современных компьютерных технологий
* выявление области человеческого мышления
10. Дайте определение искусственным нейронным сетям?
* компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации
* программа, самостоятельно выполняющая задание, указанное пользователем
компьютера, в течение длительных промежутков времени
* математические модели, а также их программные или аппаратные реализации, построенные по принципу сетей нервных клеток живого организма
* эвристический алгоритм поиска, используемый для решения задач оптимизации
и моделирования путём случайного подбора, комбинирования и вариации искомых параметров
11. Как называется способ представления знаний в искусственном интеллекте, представляющий собой схему действий в реальной ситуации?
12. Верно ли следующее утверждение: " Пакетный режим обучения по сравнению с последовательным требует больших затрат вычислительного времени и памяти, но сходится за меньшее число итераций"?
*Да
*Нет
13. Верно ли следующее утверждение: "В системе искусственного интеллекта роль программиста заключается в том, чтобы разработать только «пустую оболочку», которая превращается в работоспособную систему в результате процесса обучения, который, таким образом, является необходимым технологическим этапом создания подобных систем"?
*Да
*Нет
14. Верно ли следующее утверждение: "Логическое направление рассматривается как моделирование мышления на уровне сознания или вербального или логического мышления"?
*Да
*Нет
15. Верно ли следующее утверждение: "Процесс обучения "без учителя", как и в случае обучения "с учителем" заключается в подстраивании весов синапсов"?
*Да
*Нет
16. В чем заключается важная особенность сети Хопфилда?
* наличие посторонней памяти
* возможность обрабатывать любое количество входных сигналов
* возможность работы с любым количеством
* все перечисленные варианты
17. Верно ли следующее утверждение: «Если существуют значения весов, при которых выборка может быть разделена безошибочно, то при определенных, легко выполнимых условиях эти значения будут найдены за конечное количество итераций»?
*Да
*Нет
18. Верно ли следующее утверждение: «Нейронная сеть Розенблатта является трехслойной»?
*Да
* Нет
19. Что такое генетический алгоритм?
* программа, самостоятельно выполняющая задание, указанное пользователем компьютера, в течение длительных промежутков времени
* эвристический алгоритм поиска, используемый для решения задач оптимизации
и моделирования путём случайного подбора, комбинирования и вариации искомых параметров
* математические модели, а также их программные или аппаратные реализации,
построенные по принципу сетей нервных клеток живого организма
* компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации
20. Верно ли следующее утверждение: «Пакетный режим обучения нейросети требует большего количества модификаций весов и поэтому является более долгим».
*Да
* Нет
21. Верно ли следующее утверждение: «Сеть Хопфилда неспособна распознавать объекты при неполных и зашумленных исходных данных, однако не может этого сделать, если изображение смещено или повернуто относительно его исходного состояния, представленного в обучающей выборке»?
*Да
* Нет
22. Верно ли следующее утверждение: «Сигмоидная функция обладает свойством усиливать слабые сигналы лучше, чем большие, и предотвращает насыщение от больших сигналов»?
*Да
* Нет
23. Выберите первый развитый язык программирования для построения систем искусственного интеллекта?
* AIST
* LISP
* SIAI
* ISBN
24. Где имеет место применение алгоритмов выделяемых на базе нечетких множеств?
* применение нечетких уравнений и элементов нечеткой логики для диагностирования сложных систем - пакет программ Thermix-2D для анализа динамики АЭС
* в разработке нечеткой системы управления
* при управлении нестационарным процессом движения морских геолого-геофизических комплексов
* в подражании действиям опытного человека-оператора
25. Как называются промежуточные связи нейронов в многослойных сетях?
* скрытые
* непосредственные
* весовые
* раздельные
26. Какой из вопросов нельзя решить с помощью нейронных сетей?
* классификация образов
* кластеризация образов
* аппроксимация образов
* предсказание
* сортировка
27. Если при обучении персептрона соответствующая функция превышает порог, то какое значение примет вторичный признак?
*1
* 0
* -1
* ни один из перечисленных вариантов
28. Что влияет на силу импульса биологического нейрона?
* синапсы
* дендриты
* аксоны
* ядро