Wprowadzenie do Sieci Neuronowych — Lista pytań 02
Jarosław Piersa 2011-07-13
• Podaj wszystkie funkcje boolowskie o 2-ch argumentach. Określ które z nich są liniowo separowalne.
(Wsk. wszystkich jest 16, separowalnych jest 14),
• Dla funkcji z zadania wyżej, które są separowalne, podaj wagi perceptronu (w0, w1, w2), który implementuje taką bramkę logiczną,
• Sprawdzający program stosuje następujący schemat oceniania: działanie programu z wagą 2.5, poprawne wyniki z wagą 2, obecność „magicznych stałych” z wagą -1.5, komentarze w kodzie programu z wagą +1.25, interfejs graficzny z wagą +1, inwencja własna z wagą +1. Ponadto sprawdzający nie daje żadnych punktów startowych, dodatnich ani ujemnych (czyt. w0 = 0).
Jeżeli wagi zalet programu jest więcej niż wad, program jest zaliczony.
Program Iksińskiego działa, daje poprawne wyniki, ma „magiczne stałe” i komentarze w kodzie, posiada GUI, ale nie charakterysuje się najmniejszą choćby dozą kreatywności.
Czy Iksiński zaliczy? Uzasadnij ocenę odpowiedź.
• Podaj definicję i dynamikę maszyny liniowej.
• Jaka jest przewaga możliwości klasyfikacyjnych maszyny liniowej nad perceptronem.
• Jaką odpowiedź da maszyna liniowa o wagach (dwa wejścia + próg, dwie kategorie):
i wi1 wi2
0 −1.5 +1
1 +1 −1
2 −1 −1
na wejściu (x1= −1, x2= +1)?
• Dane są jednowymiarowe dane uczące z odpowiadającymi kategoriami −2 → 1, 0 → 3, +2 → 2.
Maszyna liniowa z trzema klasami ma startowe wagi (jedno wejście + próg, trzy kategorie):
i w0i w1i
1 1 +1
2 −1 +5
3 0.5 −15
Przeprowadź kilka pierwszych kroków algorytmu uczenia maszyny liniowej.
• (*) Podaj zestaw danych na R2, dla którego nie istnieje maszyna liniowa, która zwróci dokładną klasyfikację.
• (***) Zapoznaj się z modelem Hodgkina-Huxleya dynamiki neuronu. E. Izhikevich Dynamical Systems in Neuroscience, 2007 MIT Press.
(*) — Zadanie dla chętnych, może paść na egzaminie na wyższą ocenę.
(**) — Zadanie ambitne, nie padnie na egzaminie.
(***) — Zadanie znacznie wykracza poza program wykładu.
1
