• Nie Znaleziono Wyników

Test 1: Sieci neuronowe Odpowiedź podać z uzasadnieniem

N/A
N/A
Protected

Academic year: 2021

Share "Test 1: Sieci neuronowe Odpowiedź podać z uzasadnieniem"

Copied!
1
0
0

Pełen tekst

(1)

Test 1: Sieci neuronowe

Odpowiedź podać z uzasadnieniem

Zadanie 1: Użyto sieci neuronowej do uczenia funkcji logicznej f(x,y) = ¬x → y a) Czy funkcję można obliczyć za pomocą jednego perceptronu?

b) Zaprojektować optymalną sieć, która oblicza daną funkcję c) Narysować prostą decyzyjną

Zadanie 2 : Dana jest sieć z dyskretną bipolarną funkcją aktywacji:

a) Podać równania perceptronowe neuronów I warstwy.

b) Wyznaczyć sygnały wyjściowe, jeśli wektor wejściowy jest X =[1, -1 ]

T

Zadanie 3: Neuronu z dyskretną unipolarną funkcją użyto do klasyfikacji punktów w przestrzeni R

2

. Do klasy (decyzyjnej) „d = 0” należy punkt o współrzędnych [5,2]. Zakładając, że początkowe wagi W

0

= [1 -1] oraz odchylenie mają wartość 3.

a) Wyznacz sygnał wyjściowy dla wektora wejściowego [5,2].

a) Używając perceptronowej reguły (η = 0.2) uczenia przeprowadź jeden cykl uczenia.

b) Jaki jest błąd sieci przed i po uczeniu?

Zadanie 4: Podczas uczenia sieci podanej na rysunku na wejście sieci podano wzorzec uczący X = [1, -1], oczekując na wyjściu wektora [1, 0].

a) Wyznacz wektor w yjściowy z sieci.

b) Wyzna cz błąd pomalowanego neuronu..

c) U aktualizuj wagi pomalonego neuronu, wiedząc, że wszystkie neurony mają sigmoidalną bipolarną funkcję aktywacji ( λ =1) zakładając, że współczynnik nauki wynosi η =1.

d) Wyznacz poziom błędu sieci przed uczeniem i po uczeniu.

x1

x2

z1

z2

-2 -1

2

2 -1

1 0

0 1

-2 -1

1 3

1

0 0 0 x1

x2

y1

y3

5 -3

4 -1

-1 -1

-3 0

-3 2

y2

-1 -2

0

1

2

Cytaty

Powiązane dokumenty

• dla wygenerowanych danych dwuwymiarowych dwóch klas z rozkładów normal- nych zaznacz na wykresie dane treningowe, klasyfikator sieciami neuronowymi, dla różnej liczby neuronów

Gdy mamy warstwę ukrytą problem jest taki, że nie znamy prawidłowej wartości na wyjściu neuronów z warstwy ukrytej, więc nie wiemy jak wyliczyć modyfikacje wag.. Algorytm

1.4 Sieć dostępowa i media fizyczne 1.5 Struktura Internetu / dostawcy..

Żywotność sieci Petriego – każde przejście ma szanse się wykonać?. 1-11 Sieć Petriego z przejściami o różnych

Podstawową cechą sieci neuronowej jest jej zdolność do uogólniania, a więc generowania właściwego rozwiązania dla danych, które nie pojawiły się w zestawie danych

 Każdy neuron z warstwy ukrytej albo przesyła sygnały do wartości wyjściowych, albo znajduje się w jednej z głębszych warstw, wówczas jego błąd można oszacować z

Podstawową cechą sieci neuronowej jest jej zdolność do uogólniania, a więc generowania właściwego rozwiązania dla danych, które nie pojawiły się w zestawie danych

Przy starcie uczenia z wartości losowych prawdopodobieństwo utknięcia procesu w minimum lokalnym jest większe niż w przypadku sieci. sigmoidalnych, ze względu na silną