D

1. Które z poniższych metod należą do arsenału metod wstępnej obróbki danych:

Dyskretyzacja atrybutów ciągłych

Dyskretyzacja atrybutów całkowitych

Dyskretyzacja atrybutów porządkowych

Dyskretyzacja atrybutów o wartościach rzeczywistych

2. Który z poniższych wzorów umożliwia obliczanie entropii:

3. Atrybuty symboliczne to atrybuty

Które w przypadku użycia sieci neuronowych zostają zastąpione wartościami rzeczywistymi

4. Podczas krzyżowania wykorzystano metodę CX

R1: 4 7 2 1 6 9 11 8 3 10 5

R2: 4 2 11 8 10 7 3 6 1 5 9

W związku z tym zachodzą następujące relacje między potomkami:

R2 = D1, R1=D2

R2!=D2, R1!=D1

5. Budowa naiwnego klasyfikatora Bayesa wymaga

Znajomości arności wszystkich atrybutów

Obliczania entropii dla każdego z atrybutów

Wykorzystania zbioru uczącego podczas klasyfikacji elementów ze zbioru tekstowego

6. Do klasyfikacji wiersza danych

Do jakiej klasy zostaÅ‚ zakwalifikowany ów wiersz, jeÅ›li wiadomo, że klasyfikator nie zwróciÅ‚ wartoÅ›ci „nie wiem”?

Do klasy ACC. Drzewo pokaże wynik ACC, ponieważ w takim przypadku zasugeruję się większą liczbą udzielonych odpowiedzi. UNACC = 20 < ACC=23

Wartość A1 i A2 jest podana i jedyną nie wiedza A3 zatem rozpatrując poddrzewo o korzeniu w A3:

acc= 23/43 unacc= 20/43 unacc<acc korzeń został zakwalifikowany do acc

7. Poniższa macierz mogłaby być macierzą wag dwóch sieci neuronowych ze sprzężeniem zwrotnym. Jakich? Jakie parametry tych sieci można określić z całą pewnością na podstawi tej macierzy?

|0 1 3| Może przechowywać do 7 obrazów, jest to siÄ™ Hopfilda, ma 3 neurony ………
|1 0 7| - jest symetryczna ma wyzerowanÄ… przekÄ…tnÄ…
|3 7 0|

8. W celu skorygowania dowolnej wagi dowolnego neuronu warstwy ukrytej wielowarstwowej sieci neuronowej podczas stosowania metod propagacji wstecznej należy znać

Błędy neuronów warstwy następnej

Wagi neuronów warstwy następnej

Wagi neuronów warstwy poprzedniej

Wyjścia neuronów warstwy poprzedniej

9. Zaprojektuj klasyfikator poprawnie klasyfikujący poniższe punkty ze zbioru uczącego. Dla jasnych kwadratów na wyjściu oczekiwana wartość 1 a użyta funkcja ma być funkcją unipolarną.

y=x-1

x-y-1=0

[1,-1]

wagi 1, -1 oczekiwana 1

Funkcja aktywacji f(x) ={1 dla x<0 , 0 wpp

C

2 zad

Zostanie zaklasyfikowany do klasy UNACC bo przydzielenie w tym przypadku zależy od tego w jakiej klasie zostało poprawnie zakwalifikowanych więcej poprawnych elementów.

5 zad

Do sporządzenia wykresu pudełkowego należy obliczać:

MedianÄ™

Zad 10 fuzzy -art.

Sieć ma 2 neurony, ponieważ są dwa prostokąty, każdy ma 4 wejścia

S

Propagacja wsteczna może być użyta

1. Tylko do sieci wielowarstwowych

2. Do sieci jednowarstwowych

3. Do sieci dowolnej funkcji aktywacji

4. ŻADNA Z POWYŻSZYCH

1. Budowa naiwnego klasyfikatora Bayesa wymaga:
-znajomości arności wszystkich atrybutów
-wykorzystania zbioru uczącego podczas klasyfikacji elementów ze zbioru testowego

2. Atrybuty symboliczne to atrybuty:
-które w przypadku użycia sieci neuronowych zostają zastąpione wartościami rzeczywistymi

3. Propagacja wsteczna może być użyta:
-żadna z powyższych odp

4. Anarnosć atrybutu to:
-liczba możliwych wartości atrybutu

5. Do grupowania danych wykorzystywane sÄ…:
-algorytm k centro idów
-sieć Kohonena

6. „PrzeciÄ™cie” to termin wykorzystywany:
-w operacjach wykonywanych na zbiorach rozmytych

7. Podczas liczenia entropi w trakcie tworzenia binarnego drzewa decyzyjnego należy określić:
-częstość występowania wszystkich wartosci atrybutu
-arność atrybutu

8. Macierz wag sieci BAM:
-Może mieć na przekątnej zera
-powstaje po jednej epoce uczenia

9. Metoda propagacji wstecznej może być  uzyta dla sieci o następującej liczbie warst:
- o dowolnej liczbie warst

10. Zastosowanie perceptronowej metody uczenia jest możliwe:
-gdy siec nie ma warstw ukrytych

11. Metoda propagacji wstecznej może być uzyta dla sieci z neuronow mających:
- żadna z powyższych odpowiedzi

12. Funkcja tangensoidalna to przykład:
-bipolarnej, ciągłej funkcji aktywacji

13. Korekta wag w metodzie perceprtonowej zalezy od:
-wartosci sygnałów wejściowych
-od wartości oczekiwanej

14. Metoda perceptronowa to:
-inna nazwa dla metody delty
-metoda umożliwiająca korekte wag w procesie uczenia sieci jednowarstwowej

15. Sieci Kohonene i Hopfielda roznia się ze względu na:
-rodzaj funkcji aktywacji

16. W sieciach Kohonene przeprowadzenie uczenia jest możliwe:
-żadna z powyższych

17. W sieci Hopfielda:
-żadna z powyzszch

18. Sieci uczone metoda perceptronowi:
-mogą mieć funkcjie aktywacji stosowana w sieciach Kohonena

19. Przykładami sieci ze sprzężeniem zwrotnym są:
-sieci Kosko

20. Przykladem sieci umozliwjajacymi grupowanie danych sÄ…:
-siec Kohonena
-siec Fuzzy-ART

21.wstępna obróbka danych:

-wybielanie

- dyskretyzacja atrybutów ciaglych, calkowitych, porządkowych, o wartościach rzeczywistych

22.w celu skorygowania dowolnej wagi dowolnego neuronu warstwy ukrytej wielowarstwowej

sieci neuronowej podczas stosowania metody propagacji wstecznej należy znac:

-błędy neuronow warstwy nastepnej

-wagi neuronow warstwy poprzedniej,nastepnej

-wyjscia neuronow warstwy poprzedniej

s

---