Решить тест-
Нейронные сети

Гарантия сдачи

Сдаем онлайн-тесты и закрываем учебные долги студентов дистанционного обучения университетов Синергия, МТИ, МОИ и МОСАП.

Заказать

Итоговый

590₽

за 1 тест

390₽

Блоковый

за 1 блок

Более 8 лет работы с Университетом Синергия
Реальные отзывы
Оплата после сдачи!

700₽

Магистратура

Компетентностный

Итоговый

за 1 тест

Нейронные сети.дпо


1. — это протяжённая узкая долина, имеющая крутой уклон в одном направлении и плавный уклон в другом
2. … – это алгоритм, который умеет анализировать состояние среды и совершать в ней какие-то действия
3. … – это метод обучения, который был использован для обучения Агента
*обучение с учителем
*обучение без учителя
*обучение с подкреплением
*обучение путем проб и ошибок
4. … – это понятие впервые использовано в перцептроне
*машинное обучение
*искусственный интеллект
*нейронные сети
* биг дата
5. … повторяется процесс с другими весами
* для учета разных критериев похожести слов
*для учета только смысловой нагрузки слов
*для учета только грамматической похожести слов
*нет правильного ответа
6. … свертки – это основной строительный блок сверточной нейронной сети, применяющий фильтры свертки к входным данным с целью выделения признаков
7. … являются корреляционными параметрическими методами
*методы оценки связи между количественными переменными
*методы строительства корреляционного поля
*методы построения графиков функции регрессии
*методы анализа выборки данных
8. Caffe использует библиотеку …
9. В … году была основана лаборатория искусственного интеллекта Массачусетского Технологического Института
*1959
*1961
*1988
*2009
10. В … году Карнеги Мэллои создает беспилотный автомобиль с использованием нейронных сетей
11. В 1978 году Дуглас Леннон создал самообучающуюся систему …
12. В библиотеке Caffe топология нейросетей, исходные данные и способ обучения задаются с помощью конфигурационных файлов в формате …
13. В использовавшейся архитектуре нейронной сети удалось обыграть …
*все методы, созданные на протяжении 10-20 лет
*только некоторые методы, созданные на протяжении 10-20 лет
*только человека, играющего в эту игру
*никакие методы не были обыграны
14. В нейролингвистическом программировании (NLP) происходит …
*обучение модели на базе данных
*решение сложных задач в машинном обучении
*выделение и классификация различных частей речи
*создание моделей для различных частей обработки естественного языка
15. Время классификации одного изображения оценивает такой критерий, как:
*гибкость настройки связей
*объем функционала
*скорость классификации
*удобство использования
16. Гибкость настройки связей между слоями оценивает такой критерий, как:
*объем функционала
*скорость классификации
*гибкость настройки связей
*наличие и удобство использования документации
17. Для понимания особенностей английского языка компьютер необходимо научить …
*пониманию структурированных данных
*распознаванию именованных объектов
*определению значения слов в предложениях
*базовым концепциям письменного языка
18. До применения нейронных сетей в этой задаче люди …
*реализовывали различные алгоритмы для каждой игры
*обучали нейронные сети без использования методов
*разрабатывали новые игровые консоли
*играли в компьютерные игры для разработки стратегий
19. Интерес к нейронным сетям возобновился в …годы
*1940–1950-е
*1970–1980-е
*1990–2000-е
*2010–2020-е
20. Кратковременная память вызвана печально известной проблемой … градиента
21. На выходе после конкатенации векторов получается …
*взвешенный вектор первого слова предложения
*вектор первого слова предложения
*несколько векторов с весами остальных слов предложения
*взвешенная сумма всех слов предложения
22. На эффективность и скорость обучения Агента оказывает следующее изменение параметров среды:
*никакое
*положительное
*отрицательное
*случайное
23. Набор статистики ходов занимает следующую часть работы алгоритма по обучению Агента:
*основное время работы
*второстепенное время работы
*зависит от параметров нейросети
*не занимает времени
24. Наличие реализации типовых методов глубокого обучения оценивает такой критерий, как:
*объем функционала
*скорость классификации
*гибкость настройки связей
*наличие и удобство использования документации
25. Нейронная сеть делает ошибку следующего типа на изображении с далматином и вишне:
*предсказывает далматина
*предсказывает вишню
*предсказывает обезьяну
*ошибки нет
26. Нейронная сеть допустимо ошибается на изображении с далматином и вишней, потому что …
*ошибку внесли люди, размечая выборку
*нейронная сеть не видит вишню
*нейронная сеть не видит далматина
*нейронная сеть ошибается всегда
27. Нейронные сети – один из самых тяжеловесных … машинного обучения
28. Нейронные сети … на маленьком объеме данных
*хорошо обобщают
*плохо обобщают
*используют сложные алгоритмы работают
*только с изображениями
29. Нейронные сети критичны к …
*объему данных
*вычислительным ресурсам
*объему обучающей выборки
*типу информации
30. Нейронные сети отличаются от других алгоритмов машинного обучения тем, что они …
*работают только с изображениями
*выделяют новые признаки самостоятельно
*не требуют обучающей выборки
*основаны на геометрических линиях
31. Нейронные сети уступили место другим алгоритмам машинного обучения, потому что …
*более сложные в использовании
*меньшая точность
*недостаток вычислительных ресурсов
*более сильные алгоритмы
32. Отсортируйте следующие библиотеки для работы с нейросетями по поддерживаемым языкам программирования в алфавитном порядке:
1 Caffe
2 MXNet
3 PyTorch
4 TensorFlow
33. Перцептрон придумал …
*Фрэнк Розенблатт
*Айзек Азимов
*Артур Сэмюэл
*Джон Маккарти
34. Пометка частью речи в рамках нейролингвистического программирования – это процесс …
*определения окончательной стоимости продукции
*присвоения каждому слову в предложении определенной части речи
*оценки качества текстового материала
*распознавания голоса
35. После каждой … весовые значения будут обновляться
36. После сложения «ослабленных» векторов всех слов предложения получаются такие выходные вектора, как:
*одномерный вектор размерности одного эмбединга
*вектор первого слова предложения
*вектор второго слова предложения
*все векторы всех слов предложения
37. Работа стандартного алгоритма градиентного спуска рассматривается на таком типе изображения, как:
*2D-изображения
*3D-изображения
*цветные изображения
*градиентные изображения
38. Распознавание именованных объектов (NER) в рамках нейролингвистического программирования – это процесс …
*распознавания лиц на фотографиях
*распознавания и категоризации именованных объектов в тексте
*распознавания смысла фразы
*распознавания настроения в тексте
39. Расположите следующие библиотеки для работы с нейросетями в порядке их возникновения (от самой старой до наиболее новой):
1 Theano
2 Caffe
3 TensorFlow
4 PyTorch
40. Расположите следующие типы реккурентных нейронных сетей по убыванию количества обратных связей:
1GRU
2 LSTM
3 Simple RNN
41. Расположите следующие функции активации в порядке их применения в нейронной сети:
1 сигмоидная функция
2 ректифицированная линейная функция (ReLU)
3 гиперболический тангенс
42. Расположите следующие функции активации нейронов по возрастанию нелинейности:
1 линейная функция
2 гиперболический тангенс
3 сигмоидальная функция
4 ReLU (Rectified Linear Unit)
43. Сверточные нейронные сети классифицируют …
*изображения домов
*геометрические линии
*признаки, разработанные людьми
*различные объекты на изображениях
44. Системы нейролингвистического программирования в значительной степени полагаются на … ресурсы
45. Системы нейролингвистического программирования имеют … понимание контекста
46. Со словами «I» и «am» в однослойной сети происходит следующее:
*эмбеддинги слов умножаются друг на друга
*с первым словом делается скалярное умножение второго слова
*с первым словом делается скалярное умножение третьего слова
*с первым словом делается скалярное умножение всех остальных слов предложения
47. Со словами «I» и «stupid» в однослойной сети происходит следующее:
*с первым словом делается скалярное умножение третьего слова
*с первым словом делается скалярное умножение второго слова
*с первым словом делается скалярное умножение всех остальных слов предложения
*с первым словом не происходит никаких операций
48. Сопоставьте понятия и их описания:
A. Регрессия
B. Классификация
C. Кластеризация
D. метод, прогнозирующий численные значения на основе имеющихся данных
E. метод, используемый для разделения объектов на категории или классы на основе их признаков
F. метод, группирующий объекты в похожие кластеры на основе сходства их признаков
49. Сопоставьте понятия и их описания:
A. Обучение с учителем
B. Обучение без учителя
C. Обучение с подкреплением
D. обучение, при котором модель получает обратную связь в виде правильных ответов на каждый входной пример
E. обучение, при котором модель самостоятельно изучает данные и находит в них закономерности без предоставления правильных ответов
F. обучение, при котором модель обучается на основе положительных и отрицательных наград за свои действия
50. Сопоставьте понятия и их описания:
A. Прямое распространение
B. Обратное распространение
C. Функция потерь
D. математическая функция, которая измеряет разницу между предсказанными и фактическими значениями
E. алгоритм, который используется для обновления весов нейронной сети с целью минимизации ошибки F. алгоритм, который используется для передачи информации от входных нейронов до выходных нейронов
51. Сопоставьте понятия и их описания:
A. Данные обучения
B. Эпоха
C. Пакет
D. одно полное прохождение по всем примерам данных обучения
E. набор примеров данных, используемых для настройки параметров нейронной сети
F. множество примеров данных, на которых обновляются веса нейронной сети
52. Сопоставьте понятия и их описания:
A. Сверточный слой
B. Полносвязный слой
C. Выходной слой
D. слой, в котором происходит преобразование сверточной операцией
E. слой, в котором каждый нейрон соединен со всеми нейронами предыдущего слоя
F. слой, в котором происходит окончательная классификация или предсказание
53. Сопоставьте понятия и их описания:
A. Стрид
B. Загиб
C. Фильтр
D. параметр сверточной операции, определяющий размер шага скользящего окна
E. изгиб или искривление границ изображения для выделения особых признаков
F. матрица весов, применяемая при свертке для выделения определенных признаков
54. Сопоставьте понятия и их описания:
A. Дропаут
B. L1 регуляризация
C. L2 регуляризация
D. метод, который случайным образом обнуляет некоторые нейроны во время обучения для уменьшения переобучения модели
E. регуляризация, которая добавляет к функции потерь модули весовых коэффициентов для штрафования больших весов
F. регуляризация, которая добавляет к функции потерь квадраты весовых коэффициентов для штрафования больших весов
55. Сопоставьте понятия и их описания:
A. Пакетная нормализация
B. Рекуррентные нейронные сети
C. Сверточные нейронные сети
D. метод нормализации, который приводит распределение активаций внутри слоя к среднему значению в нуле и стандартному отклонению
E. тип нейронной сети, используемый в области обработки последовательностей, который сохраняет и использует информацию о предыдущих состояниях для предсказания следующего состояния
F. тип нейронной сети, специализирующийся на обработке входных данных
56. Сопоставьте понятия и их описания:
A. Caffe
B. Theano
C. MXNet
D. простой в использовании и эффективный фреймворк для глубокого обучения, предназначенный для разработки нейросетей различных архитектур
E. библиотека для разработки глубоких нейронных сетей, оптимизированная для использования на множестве графических процессоров
F. высокоэффективная библиотека глубокого обучения с широким функционалом и поддержкой операций на графических ускорителях
57. Сопоставьте понятия и их описания:
A. Torch
B. CNTK
C. DeepLearning4j
D. многоплатформенный инструмент глубокого обучения для создания и обучения нейронных сетей
E. фреймворк для разработки глубоких нейронных сетей, предлагающий реализацию множества алгоритмов и моделей машинного обучения
F. гибкая и мощная библиотека для научных исследований с использованием глубокого обучения
58. Сопоставьте понятия и их описания:
A. Forward pass
B. Backpropagation Through Time
C. Training
D. процесс, в ходе которого модель получает входные данные и передает их через нейронную сеть, получая выходные результаты
E. алгоритм обратного распространения ошибки во времени, используемый для обучения реккурентных нейронных сетей
F. процедура настройки параметров реккурентной нейронной сети на тренировочных данных
59. Сопоставьте понятия и их описания:
A. Overfitting
B. Dropout
C. Regularization
D. проблема, когда модель слишком хорошо подстраивается под тренировочные данные и плохо обобщает на новые данные
E. техника, заключающаяся в случайном выключении некоторых нейронов на этапе обучения для предотвращения переобучения
F. метод, используемый для добавления дополнительных ограничений на веса модели с целью предотвращения переобучения
60. Сопоставьте понятия и их описания:
A. Policy gradients
B. Эксплорация и эксплуатация
C. Функция награды
D. метод обучения, направленный на построение и оптимизацию политики агента
E. противостояние между исследованием новых вариантов поведения и использованием уже изученных и хорошо себя зарекомендовавших
F. функция, которая определяет, насколько успешно агент выполнил заданную задачу
61. Сопоставьте понятия и их описания:
A. Стохастическая политика
B. Общество
C. Вероятностная постановка задачи обучения с подкреплением
D. правила, по которым агент принимает решения, определяя вероятности выбора каждого действия
E. группа агентов, обменивающихся информацией, сотрудничающих или конкурирующих между собой
F. формулировка задачи обучения с подкреплением, в которой действия и награды являются случайными величинами
62. Способом, которым можно улучшить алгоритм градиентного спуска является такой, как:
*стохастический градиентный спуск
*накопление импульса
*расчет градиента только для небольшого подмножества данных
*использование фиксированного набора входных данных
63. Стандартный алгоритм градиентного спуска связан с кривой …
*обучения
*ошибки
*потерь
*точности
64. Стохастический градиентный спуск – это …
*алгоритм, при котором коэффициенты меняются после обсчета N элементов выборки
*алгоритм, при котором коэффициенты меняются после обсчета всей выборки
*алгоритм, при котором значения потерь и градиентов меняются при изменении входных данных
*алгоритм, при котором алгоритм застревает на определенных участках ландшафта
65. Удобство использования библиотеки оценивает такой критерий, как:
*скорость обучения
*гибкость настройки связей
*удобство использования
*объем функционала
66. Упорядочите следующие архитектуры нейронных сетей по возрастанию сложности:
1 простая однослойная нейронная сеть
2 многослойная нейронная сеть
3 рекуррентная нейронная сеть
4 глубокая нейронная сеть со сверточными слоями
67. Упорядочите следующие компоненты от самого входа до выхода:
1сверточный слой
2 пулинг слой
3 полносвязный слой
4 выходной слой
68. Упорядочите следующие методы обработки естественного языка по степени распространенности использования:
1 правила и шаблоны
2 статистический анализ
3 машинное обучение
69. Упорядочите следующие методы регуляризации нейросетей по влиянию на модель:
1 Dropout регуляризация
2 L2 регуляризация
3 L1 регуляризация
70. Упорядочите следующие примеры задач по работе с последовательностями в порядке наиболее подходящих для реккурентных нейронных сетей:
1 классификация текстовых документов
2 распознавание голоса
3 машинный перевод
71. Упорядочите следующие типы анализа текста по возрастанию сложности:
1 семантический анализ
2 морфологический анализ
3 синтаксический анализ
72. Упорядочите следующие типы нейронных сетей по количеству слоев (от наименьшего к наибольшему):
1 рекуррентнаянейронная сеть (Recurrent Neural Network)
2 сверточнаянейронная сеть (Convolutional Neural Network)
3 полносвязнаянейронная сеть (Fully Connected Network)
73. Упорядочите следующие шаги в алгоритме Policy Gradients в порядке их выполнения:
1 вычисление вероятностей каждого действия с помощью текущей политики
2 вычисление функции вознаграждения по эпизоду
3 вычисление градиента логарифма вероятности выбранного действия
4 обновление параметров политики с помощью градиентного спуска
5 выбор действия на основе вероятностей, вычисленных ранее
74. Упорядочите следующие шаги в обучении модели Policy Gradients в порядке их выполнения:
1 генерация нескольких эпизодов с помощью текущей политики
2 вычисление функции потери
3 расчёт градиента функции потери по параметрам политики
4 обновление параметров политики с помощью градиентного спуска
5 повторение шагов a-d до достижения сходимости
75. Упорядочите следующие этапы обработки данных в сверточной нейронной сети от начала до конца:
1 применение фильтров сверточного слоя к входным данным
2 применение нелинейной функции активации
3 сжатие размерности при помощи пулинг слоя
4 прохождение через полносвязные слои
5 вычисление функции потерь
76. Упорядочите следующие этапы процесса машинного обучения по временной последовательности:
1 подготовка данных
2 обучение модели
3 тестирование модели
77. Фильтр … – это матрица весов, используемая в сверточных слоях нейронной сети для выделения определенных признаков во входных данных
78. Функция … это – математическая функция, которая определяет выход нейрона на основе суммы взвешенных входных сигналов
79. Ваша компания разрабатывает систему распознавания рукописного текста с помощью нейронных сетей. Вы получили новый набор данных, который содержит изображения рукописных цифр (от 0 до 9) написанных разными людьми. Ваша задача – обучить нейросеть распознавать эти цифры с максимальной точностью. Какую архитектуру нейронной сети Вы выберете для решения данной задачи?
*Полносвязнаянейронная сеть (Fully Connected Network).
*Сверточнаянейронная сеть (Convolutional Neural Network).
*Рекуррентнаянейронная сеть (Recurrent Neural Network).
80. Ваша компания разработала новый алгоритм обработки естественного языка для автоматической классификации текстов. Однако перед запуском на продакшен, необходимо провести тестирование системы для проверки ее эффективности. Каким образом можно оценить точность классификации системы обработки естественного языка?
*Сравнить предсказанные метки классов с истинными метками в наборе тестовых данных и вычислить процент совпадений.
*Измерить среднюю скорость обработки текстов системой и сравнить с другими алгоритмами обработки естественного языка.
*Провести опрос среди случайно выбранных пользователей о том, насколько точно система классифицирует тексты.
81. Вашей задачей является написание программы, которая будет определять тональность текста. Для этого вам необходимо реализовать функцию determine_sentiment(text: str) -> str, которая будет принимать на вход текст и возвращать одно из следующих значений:«positive» – если текст имеет позитивную тональность.«negative» – если текст имеет негативную тональность.«neutral» – если текст не имеет явно выраженной эмоциональной окраски. Определите тональность текста для написания программы.
*Вам предоставлены все необходимые данные и модель машинного обучения для реализации данной функции.
*Вам необходимо самому разработать алгоритм определения тональности текста.
*Вам необходимо использовать сторонние библиотеки и API для определения тональности текста
82. Воображайте, что вы разрабатываете алгоритм управления автономным роботом, который должен доставить посылку от точки A до точки B в здании. Робот должен эффективно найти кратчайший путь, минуя препятствия и осуществив доставку в минимальное время. Разработайте алгоритм управления роботом
*Алгоритм принимает во внимание только текущую позицию робота и конечную точку доставки.
*Алгоритм использует маршрут, предварительно построенный по карте здания, с учетом расстояний и препятствий.
*Алгоритм двигает робота в случайном направлении, основываясь на случайных входных данных.
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
29. Из чего состоит матрица взаимодействий нейронной сети?
* весовых коэффициентов
* слоев нейронов
* непрерывных сигналов
* ошибок при обучении
30. В какой математической форме можно записать процесс, происходящий в нейронной сети?
* матричной
* дифференциальной
* интегральной
* тригонометрической
31. Как в многослойной нейронной сети называются связи между смежными слоями нейронов?
* непосредственные
* промежуточные
* соседние
* бинарные
32. Как называется аппроксимация нейронной сетью произвольной нелинейной функции?
* задача регрессии
* задача классификации
* задача управления
* задача кластеризации
33. Как называется направленный граф, вершины которого соответствуют объектам (понятиям, сущностям) предметной области, а дуги – отношениям (связям) между ними?
34. Как называется обучаемая распознающая система, реализующая корректируемое в процессе обучения линейное решающее правило в пространстве вторичных признаков, которые обычно являются фиксированными случайно выбранными линейными пороговыми функциями от первичных признаков?
35. Как называется премия, которая присуждается ежегодно за соревнование между разговаривающим программами, приближенные к человекоподобию?
* приз Лебнера
* премия Вольфа
* премия Филдса
* приз Абеля
36. Что из перечисленного не входит в состав нейрона?
* умножители
*делители
* сумматоры
* преобразователи
37. Произведите соответствие решаемой задачи с признаком нейронной сети:
A. нахождение оценки неизвестной функции
B. нахождение такого решения, которое удовлетворяет системе ограничений и максимизирует или минимизирует целевую функцию
C. расчет такого входного воздействия, при котором система следует по желаемой траектории, диктуемой эталонной целью
D. аппроксимация функции
E. оптимизация
F. управление
38. Как называются синаптические связи нейрона с отрицательными весами?
* тормозящими
* уменьшающими
* неверными
* непригодными
39. В каком диапазоне лежит выходное значение нейрона в функции сигмоида?
* [0, 1]
* [-1, 0]
* [-1, 1]
* [0, бесконечность]
40. В каком случае можно считать нейронную сеть обученной?
* каждому набору признаков соответствуют определенные классы
* количество входных сигналов соответствует количеству выходных
* выходной сигнал мгновенно реагирует на входные
* значение выходного сигнала попадает в диапазон [0, 1]
41. Какая причина не обуславливает корреляцию между локальными нейронами?
* наличие в исходных данных определенной структуры
* синаптическая связь локальных нейронов
* избыточность (дублирование) нейронной сети
* недостаточность количества слоев в нейронной сети
42. Какие два состояния может принимать каждый нейрон в модели Хопфилда?
*1
*-1
* 0
* 2
43. Какие задачи способен решать искусственный интеллект?
* создание интеллектуальных роботов
* моделирование рассуждений
* задачи по пере¬воду с одного языка на другой, по сочинению музыки, распознаванию зрительных образов
* самостоятельно накапливать и использовать знания
44. В чем заключаются основные этапы типичного алгоритма формирования базы нечетких правил?
*разбиение пространств входных и выходных переменных
*формирование начальной базы правил и определение рейтингов
* увеличение числа рейтингов после подсчета рейтингов правил
* отсутствие адаптации параметров оставленных в базе правил
45. Какие из перечисленных дисциплин не являются основой искусственного интеллекта?
* лингвистика
* логистика
* математика
* маркетинговые системы
46. Какие операции можно отнести к операциям над нечеткими множествами?
* включение и равенство
* функция и ее произведение
* определение и уравнение
* объединение и пересечение
47. Какие основные достоинства в логическом направлении изучения искусственного интеллекта можно выделить?
* использование принципа дедукции
*легкость отображения процесса рассуждений и понимания работы самой системы
*достижимость однозначности поведения системы в одинаковых ситуациях * автоматизированность системы обработка информации
48. Какие основные задачи выполняет такая отрасль в искусственном интеллекте, как программно-аппаратное обеспечение?
* CASE-технологии
* мультимедиа
* применение средств извлечения знаний из баз данных
* обработка восприятий
49. Какие основные этапы создания естественного интеллекта можно выделить?
* создание материальной системы поддержки и активной информационной структуры, способной к развитию и саморазвитию
* применение математического описания работы естественного интеллекта
* применение в создании естественного интеллекта системы извлечения знаний
* взаимодействии системы его поддержки с другими подобными системами и с окружающей средой, как с природной, так и с «социальной»
50. Верно ли следующее утверждение: «В методе «обратного распространения ошибки» процесс переобучения, т.е. интерактивного перерасчета весовых коэффициентов, начинается с нейрона, состояние которого оказалось ошибочным и захватывает только нейроны, ведущие от рецепторов к данному нейрону»
*Да
*Нет
51. В каком типе связи имеет место связь нейрона на входе с нейронами нижележащего слоя?
* прямая связь
* случайная связь
* регулярная связь
* обратная связь
52. Какие основные этапы создания искусственного интеллекта можно выделить?
* поиск универсальной модели в создании ИИ
* - создание системы потенциального искусственного интеллекта, т.е. программной оболочки, инструментальной системы
* обучение и самообучение системы потенциального искусственного интеллекта, и
преобразование ее в реальную систему искусственного интеллекта
* разработка научной концепции для реализации ИИ
53. Какие свойства добавляются в модель многослойного персептрона, преобразовывая его в модель Хопфилда?
*связи между нейронами симметричны
*в нейронной сети все нейроны непосредственно связаны друг с другом
* связи между нейронами пересекаются
* вес нейрона может быть равен нулю
54. Какого вида активационной функции нейрона не существует?
* нелинейная
* полулинейная
* сигмоид
* параболическая
55. Верно ли следующее утверждение: «Существуют нейронные сети, в которых количество нейронов изменяется в процессе обучения»?
*Да
* Нет
56. Выберете сочетание методов искусственного интеллекта, получившие название гибридные методы?
*экспертные системы и искусственные нейронные сети
*генетические алгоритмы и нечеткая математика
* статистическое обоснование интеллекта и его математическое моделирование
* виртуальное распознавание искусственного интеллекта
57. Какого признака нейронных сетей по признаку используемых на входах и выходах сигналов не существует?
*аналоговые
*бинарные
* рекуррентные
* дискретные
58. Какое действия при обучении нейронной сети неверно, если ошибка равна нулю?
* модифицируются только компоненты матрицы весов, отвечающие ненулевым значениям входов
* знак приращения веса соответствует знаку ошибки, т.е. положительная ошибка
проводит к усилению связи
* обучение каждого нейрона происходит независимо от обучения остальных нейронов
* обучение нейронов происходит послойно, начиная с последнего слоя и
заканчивая первым
59. Какое из определений относится к определению носителя нечеткого множества?
* подмножество множества U, содержащее те элементы из U, для которых значения функции принадлежности больше нуля
* четкое подмножество универсального множества
* уровень выбора нечеткого множества
* пересечение нечетких множеств
60. Какое понятие ввел Хопфилд в теорию нейронных сетей в 1982 году?
* энергию сети
* момент
* силу тяжести нейрона
* вес слоя нейронов
61. Какой из параметров не входит в математическую модель нейрона?
* вес синапса
* смещение
* входной сигнал
* количество слоев
62. Какой из перечисленных показателей не относится к состоянию нейронной сети?
* вес синапсов нейронов
* пороги нейронов
* установление новых связей между нейронами
*количество ошибок при обучении
63. Кем впервые было введено понятие нечёткая логика?
* Лютфи Заде
* Ян Лукашевич
* Д. Вейснер
* К. Штейнбух
64. Как называется нечеткое высказывание со степенью истинности 0,5?
* индифферентность
* конъюнкция
* дизъюнкция
* импликация
65. Кому в 1957 году принадлежит историческое открытие первой искусственной нейронной сети, способной к восприятию и формированию реакции на воспринятый стимул?
* Ф. Розенблатт
* У. Маккалох
* Д. Хебб
* М. Минский
66. Какой из вопросов нельзя решить с помощью нейронных сетей?
* Энергию сети
* оптимизация
* ассоциативная память
* управление
67. Дайте определение моделированию рассуждений?
* создание символьных систем, на входе которых поставлена некая задача, а на выходе требуется её решение
* проведение анализа возможностей понимания, обработки и генерации текстов на
«человеческом» языке (оригинальный тест Тьюринга связан с этим направлением)
* феномен человеческого поведения, его способность к обучению и адаптации, есть
следствие именно биологической структуры и особенностей ее функционирования
* изучение природы человеческого разума, творчества
68. Кто из ниже перечисленных ученых, задался целью в своей работе определить может ли машина мыслить?
* Лютфи Заде
* Алан Тьюринг
* Стив Джобс
* Ляпунов А. М.
69. При обучении персептрона какие признаки вычисляются первыми?
* первичные
* вторичные
* признак входного сигнала
* признак выходного сигнала
70. Что из перечисленного можно отнести к недостаткам логического подхода?
* трудность и неестественность реализации нечетких знаков (образов)
* легкость в отображении процесса рассуждений и понимания работы самой системы
* сложность с моделированием процесса аргументации
* трудность реализации адекватного поведения в условиях неопределенности (недостаточности знаний)
71. Простейший персептрон содержит элементы трех типов. Выполните соответствие вида элемента с выполняемой им функцией
A. принимают двоичные сигналы
B. выполняют аддитивную обработку информации
C. формируют сигнал реакции персептрона на входной стимул
D. S – элементы
E. A- элементы
F. R-элементы
72. Расставьте последовательность действий в алгоритме обучения, предложенным Ф. Розенблаттом:
A. определение весов всех нейронов, как случайные величины
B. предъявление входного образа, в результате которого формируется выходной
C. корректировка весовых коэффициентов
D. 1
E. 2
F. 3
73. Верно ли следующее утверждение, что нейрокибернетическое направление не следует рассматривать как моделирование образного мышления и мышления на подсознательном уровне?
*Да
*Нет
74. Верно ли следующее утверждение, что функция принадлежности элемента к множеству принимает любые значения в интервале [0...1], а не только 0 или 1 и называется нечёткими множествами?
*Да
*Нет
75. Чем определяются весовые коэффициенты в локальной модели нейрона на его дендритах?
*заданным выходом на аксоне нейрона
*не зависят от параметров других нейронов
* заданным входом на аксоне нейрона
* количеством слоев нейронов
76. Каких нейронных сетей по виду связей не существует?
* со случайными связями
* с регулярными связями
* с обратными связями
* с параллельными связями
77. Какого вида активационной функции нейрона не существует?
* гиперболический тангенс
* экспоненциальная
* квадратичная
* знаковая
* синусоидная
78. Что включает в себя ситуация, при которой фактическое состояние системы искусственного интеллекта не совпадает с желаемым, т.е. целевым?
* задачу, если способ перевода системы из фактического состояния в желаемое точно известен, и необходимо лишь применить его
* задачу, поиск решений системой распознавания образов
* проблему, если способ перевода системы из фактического состояния в желаемое не известен, и необходимо сначала его разработать и лишь затем применить его
* решение, обязательным является творческое участие людей: специалистов, экспертов
79. Когда впервые был сформулирован термин «нейронные сети»?
* в 40-х годах 20 века
* в 90-х годах 19 века
* в 70-х годах 20 века
* в начале 21 века
80. Какие основные задачи выполняет такая отрасль в искусственном интеллекте, как интеллектуальный интерфейс?
*интеллектуальные базы данных
*распознавание образов и применение естественного общения
* средства извлечения знаний из базы данных
* распознавание языка в ИИ
81. Что можно отнести к разделу математики, как основа создания искусственного интеллекта?
* нечёткая логика
* генетические алгоритмы
* экспертные системы
* теория нечётких множеств
82. Что не относится к характеристикам нейрокомпьютера?
*использование малых энергозатрат
* содержание большого числа параллельно работающих активных элементов
* использование ассоциативной обработки информации
* использование вместо программирования обучения
83. Что подается на вход персептрона при его обучении?
*сигналы из обучающей выборки
*указания о классе сигнала обучения
* информация о количестве слоев
* при обучении на вход персептрона ничего не подается
84. Что представляет собой способ использования схемы фрейма, типичной последовательности действий, ситуативная модификация фрейма?
* структура фрейма
* классификация фрейма
* содержание фрейма
* задача фрейма
85. Что такое "нечеткое высказывание"?
* предложение, относительно которого можно судить о степени его истинности или ложности в настоящее время, где степень истинности или ложности принимает значения из [0; 1]
* степень истинности, его значения [0; до бесконечности]
* степень истинности которого совпадает со степенью истинности менее истинного высказывания
* истинность не меньше чем степень ложности ее посылки или степень истинности
ее следствия
86. Как называются структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга?
* нейронные сети
* нечеткие множества
* нечеткая логика
* нечеткие операции
87. В какой модели нейронных сетей впервые удалось установить связь между нелинейными динамическими системами и нейронными сетями?
* модель Хопфилда
* персептрон Розенблатта
* модель нелокального нейрона
* динамическая нейронная сеть
88. Какие основные задачи выполняет такая отрасль в искусственном интеллекте, как когнитивное моделирование?
* обработка восприятий и применение нечеткой математики
* применение электронных систем мониторинга
* реинжиниринг бизнеса
*нейронные сети
89. Верно ли следующее утверждение: «Фреймы используются в системах искусственного интеллекта как одна из распространенных форм представления знаний»?
*нет
*Да
90. Верно ли следующее утверждение: « Результативность синапса может настраиваться проходящими через него сигналами, так что синапсы могут обучаться в зависимости от активности процессов, в которых они участвуют»?
*Да
*Нет
91. Верно ли следующее утверждение: «При обучении с учителем предполагается, что есть внешняя среда, которая предоставляет обучающие примеры на этапе обучения или оценивает правильность функционирования нейронной сети»
*Да
*Нет

Этапы
сдачи теста

Чтобы начать работу, вам нужно будет предоставить:
  • Логин и пароль от вашего учебного аккаунта.
  • Фотографию для прохождения идентификации.
  • Список необходимых предметов.
После получения этой информации мы подтвердим ваш заказ и приступим к работе.

Оформить зазаз

В течение 24-48 часов мы гарантируем вам оценки “хорошо” или “отлично” (70-100 баллов) в зависимости от ваших потребностей.

Мы выполняем тесты

Проверяете результат и оплачиваете работу после ее завершения, Банковской картой, QR (сбп).

Оплата

Скриншот личного кабинета №1
Скриншот личного кабинета №1

Примеры решения

Скриншот личного кабинета №2
Скриншот личного кабинета №2

Безопасность

Мы ставим в приоритет обеспечение безопасности личных данных студентов Университет Синергия при прохождении тестов, написании дипломных, курсовых и других работ

Спасибо вам большое!!! Сдаю уже второй раз. Без нареканий) Быстро, удобно и качественно. До следующей сессии)))
Тимофей Кемеровский
Безумно приятно и радостно осознавать, что всегда рядом есть те, кто от души готов помочь! Спасибо большое за Вашу помощь
Оля Палеева
Огромное спасибо за помощь! За качество и быстроту.
Александр Северов
Благодарю за Помощь ! Все было сделано очень быстро, я даже удивилась. Оплата по факту, что тоже приятно.
Василиночка Ивонина
Спасибо огромное за Вашу работу, все быстро и на высокие баллы! Только к Вам буду и дальше обращаться
Ксения Бойко
Спасибо огромное очень благодарна за вашу помощь. Буду и дальше обращаться. Спасибо вы палочка выручалочка
Александра Старынина
Великолепно! Очень быстро и очень качественно! Все мои пожелание учтены! Буду всегда обращаться к вам)
Мурад Талыбов
Работа выполнена очень качественно,без задержек, заказываю не в первый раз, будем сотрудничать и дальше!!!!Спасибо
Анна Богословская
Популярные вопросы

Срочная консультация

Заполните форму

Мы свяжемся с вами в кратчайшее время или напишите нам на почту

Связаться с нами
Мы свяжемся с вами кратчайшее время или напишите нам на почту
Заказать