1. Proszę podać wybrane cechy zadań, których wykonanie z użyciem sztucznych sieci

neuronowych jest praktycznie nie możliwe.

a. Zadania wymagające wysokiej precyzji, bądź jasnych wyników – SSN operują

tzw. pojęciami rozmytymi: wysoki, niski, duży, mały, średni, jasny, ciemny
itp. Często jeśli oczekujemy od sieci odpowiedzi „tak” lub „nie” ona odpowie
„raczej tak” lub „chyba nie”.

b. Zadania wymagające rozumowania wieloetapowego – gdy trzeba mozolnie

dochodzić do pewnych wniosków na podstawie wcześniejszego rozumowania,
a z tych wniosków wyciągać kolejne wnioski – sieć nie daje sobie rady.
Działanie sieci pozwala jedynie na wyciąganie bezpośrednich wniosków.

c. Zadania wymagające szybkiej odpowiedzi – by otrzymać odpowiedź od sieci

neuronowej trzeba najpierw ją nauczyć rozwiązywać dany problem, co nie jest
szybkie.

2. Proszę wskazać klasę „narzędzi: wnioskowania o obiektach dla każdego z trzech

poniższych problemów charakteryzujących się:

a. Pełna znajomość reguł, mała i średnia złożoność: Dokładne algorytmy;
b. Częściowa znajomość reguł, mała i średnia złożoność: Modele statystyczne,

systemy eksperckie, metody dedukcyjne;

c. Częściowy lub całkowity brak znajomości reguł, duża złożoność: Sieci

neuronowe, modele indukcyjne.

3. Posługując się poniższym rysunkiem proszę omówić działanie pojedynczego neuronu

jako elementu sztucznej sieci neuronowej

Wejścia – „dendryty”, wchodzą przez nie sygnały.
Wagi – cyfrowe odpowiedniki modyfikacji nadchodzących sygnałów dokonywanych
przez synapsy. Wejścia mnożone są przez odpowiadające im wagi.
Blok sumujący – odpowiednik jądra, następuje tu sumowanie wejść przemnożonych
przez wagi.
Blok aktywacji – odpowiednik wzgórka aksonu. Wyjście bloku sumującego jest
argumentem funkcji aktywacji i w ten sposób wyliczane jest wyjście neuronu.
Wyjście – akson.

4. Proszę wskazać prawidłowe stwierdzenie (-a):

a. Zachowanie sieci w zasadniczy sposób determinowane jest przez proces

uczenia, a nie przez strukturę czy liczbę użytych do jej budowy
elementów;

b. Zachowanie sieci w zasadniczy sposób determinowane jest przez strukturę

sztucznej sieci neuronowej;

c. Zachowanie sieci w zasadniczy sposób determinowane jest przez liczbę

użytych do jej budowy elementów.

5. Sztuczne sieci neuronowe mogą tworzyć modele dwóch typów:

a. Jednokierunkowe -

sieci neuronowe, w których nie występuje sprzężenie

zwrotne, czyli pojedynczy wzorzec lub sygnał przechodzi przez każdy neuron
dokładnie raz w swoim cyklu;

b. Rekurencyjne - sieć, w której połączenia między neuronami stanowią graf z

cyklami.

6. Proszę wyjaśnić jaka jest rola neuronów warstwy ukrytej w sztucznej sieci

neuronowej.
Rolą warstwy ukrytej jest pośredniczenie pomiędzy warstwą wejściową, a wyjściową
sieci i przekazywanie sygnałów. Najkrócej można powiedzieć, że warstwy te stanowią
narzędzie, służące do takiego przetwarzania sygnałów wejściowych, by warstwa
wyjściowa mogła łatwiej znaleźć potrzebną odpowiedź. Pośredniczą między wejściem
i wyjściem oraz wypracowują zestawy wstępnie przetworzonych danych wejściowych,
z których korzystać będą neurony dalszych warstw przy określeniu końcowego
wyniku.
Warstwa wejściowa - warstwa ta otrzymuje dane z zewnątrz sieci. Każdy neuron z
warstwy wejściowej łączy się ze wszystkimi neuronami z obszaru ukrytego.
Warstwa wyjściowa - Każdy neuron wyjściowy przyjmuje sygnały wejściowe,
przetwarza je i wytwarza sygnał wyjściowy. Sygnały te stanowią rozwiązania
stawianych sieci zadań.

7. Proszę wyjaśnić na czym polega zadanie optymalizacji.

Zadanie optymalizacyjne polega na znalezieniu punktu x0 ze zbioru X takiego, że:
f(x0) = max( f(x) ), x ∈ X lub f(x0) = min( f(x) ), x ∈ X
Mówiąc inaczej: – szukanie najlepszego rozwiązania (ocenianegoliczbowo)
– przykłady: minimalizacja kosztu, minimalizacja funkcji błędu, maksymalizacja
wygranej (gry logiczne)
znalezienie wśród różnych możliwych rozwiązań takie, które najbardziej nam
odpowiada”

8. Proszę dokończyć zdanie:

Elementarny algorytm genetyczny jest skonstruowany z następujących operacji:
reprodukcja, krzyżowanie, mutacja.
Reprodukcja – proces w którym indywidualne ciągi kodowe zostaną powielone w
stosunku zależnym od wartości, jakie przybiera dla nich funkcja celu f (funkcja
przystosowania). Jest to inaczej pewien miernik zysku, który chcemy
zmaksymalizować.
Krzyżowanie (proste) – to proces polegający na losowym kojarzeniu ciągów z puli
rodzicielskiej w pary, losowy wybór punktu krzyżowania ciągów oraz zmiany
wszystkich znaków na prawo od punktu krzyżowania.
Mutacja – polega na sporadycznej zmianie elementu ciągu kodowego.