swd, JSWD, Co jest argumentem funkcji aktywacji:

Akson - "wyjście" neuronu. (tylko jedno) Za jego pośrednictwem neuron powiadamia świat zewnętrzny o swojej reakcji na dane. W nim później poddane obróbce.

Co jest argumentem funkcji aktywacji: - całkowite wzbudzenie

Co daje na wyjsciu blok rozmywający - zbior rozmyty

Dlaczego w ekonomii stosuje sie sieci neuronowe: - mozna przedstawic nieliniowe zjawiska

Dendryt - "wejście" neuronu.(wiele) Tędy trafiają do jądra sygnały mające być
Decyzje sugerowane przez komputerowy system wspomagania decyzji jest? - tym bardziej trafna im bardziej adekwatny model zjawiska

Dana jest siec neuronowa, dwuwarstwowa, złożona z neuronów liniowych. Neurony warstwy pierwszej maja po dwa wejścia. W warstwie pierwszej SA dwa neurony, przy czym wszystkie wagi neuronow warstwy pierwszej sa rowne 1. W warstwie drugiej, będącej warstwa wyjsciowa, również sa dwa neurony,ale wszystkie wagi neuronow sa rowne 2 - siec ta może zastąpić siecia jednowarstwowa skladajaca się z dwóch neuronow logicznych, z których każdy ma dwa wejścia i w której wszystkie wagi sa rowne 4.

Dane są przestrzenie x={x1,x2,x3} oraz y={y1,y2}, zbiór rozmyty A={(x1, 0.4), (x2, 1), (x3, 0.6)} określany na przestrzeni x oraz relacja rozmyta R={((x1, y1), 0.5), ((x1,y2), 0.7), ((x2,y1), 0.2), ((x2,y2), 1), ((x3,y1), 0.9), ((x3,y2), 0.3)}W wyniku złożenia AoR powstaje zbiór rozmyty, w którym wartość funkcji przynależności do elementu y1 wynosi: 0,5 (wyszlo 0,54)

Funkcja dana wzorem f(x,y)=(x*y)/max{x*y*0,5} gdzie x,y naleza [0,1]: jest T-norma.

Hebb (regula) - jeśli sygnal przechodzi wielokrotnie miedzy neuronem to przejscie to zmniejsza swoja opornosc elektryczna.

Jądro - "centrum obliczeniowe" .Tu zachodzą procesy kluczowe dla funkcjonowania neuronu.

Jakie logiki sa wykorzystywane w systemach expertowych: - rozmyta i dwuwartosciowa
Jak przeszukiwac systemy semantyczne: - graf

Jak wyglada sytuacja w alg kohonena w momencie podania kolejnego wektora wzorcowego na wejscie - wektor i wektory wag są znormalizowane (tego typu)

Jesli chcemy używać sieci neuronowej od przewidywania ceny papierów wartościowych to : nie musimy podawać żadnej informacji na temat cen, bo siec w procesie nauki dopasuje wagi pozwalające przewidywać ceny

Pojedynczy neuron posiadający dwa wejścia uczymy - metoda najw. spadku gradientu(czy czegoś takiego).

Policzyc a12 dla wektorow wejsciowych [00011]i [11000] - 2 (słownie dwa)

Proces wnioskowania w systemie eksportowym w którym baza wiedzy ma postać sieci symantycznej polega na - przeszukiwaniu pewnego grafu

Proces nauki neuronowej polega na: ustaleniu wag wszystkich neuronów w siec.

Rozpoznawanie wzorca przez siec Hopfilda: jest procesem składającym się na ogol z więcej niż jednego kroku.

Reprezentacja system eks opartego na sieci semantycznej jest ? graf (cos tam dalej bylo)

Sieci neuronowe są używane do modelowania zjawisk ekonomicznych bo - mogą odwzorować zależności nieliniowe

Sieć Hopfielda w której zakodowano co najmniej 3 wzorce - posiada fałszywy traktor

Sieć hopfilda dopasowuje model do wzorca - w jednym lub wiecej krokach

Sieci Kohonena mogą być zastosowane do - filtracji danych

Sieć z przeciwpropagacją (sieć CP) jest siecią NIE rekurencyjną dwuwarstwową

System expertowy - może działać w oparciu zarówno o logikę klasyczną jak i rozmytą

System eks. moze dzialac w oparciu? - logike 2 wartosciowa lub rozmyta
Sieci neuronowe używane sa do modelowania zjawisk ekonomicznych bo? - moga odwzorowywac zaleznosci liniowe

Modyfikacja wag w sieci Kohonena dana jest wzorem(zakładając że zwycięzcą jest i-ty neuron) w_j(k+1)= w_j(k) + α*h(i,j)*(x(k)-w(k)) gdzie α jest współczynnikiem nauki, natomiast h jest funkcją sąsiedztwa.

Nauka sieci neuronowej metodą „bez nauczyciela” polega na - grupowaniu wzorców podobnych do siebie

Neuron dwuwejściowy z progiem tzn. taki , którego całkowite wzbudzenie dane jest wzorem s = w1*x1+w2*x2 + p z funkcją Heaviside'a jako funkcją aktywacji może modelować 8 dwuargumentowych oper. logiki klasycznej

Nauka sieci neuronowej metodą "bez nauczyciela " polega na - grupowaniu wzorców podobnych do siebie

Wejsciem sieci neuronowej jest: - wektor (zmienna wektorowa)
Wypowiedz ^ x należy R V y=R x<y jest zdaniem logicznym prawdziwym

W systemie opartym na logice rozmytej baza reguł moze byc grafem (ble ble skierowanym)

Warstwowa sieć neuronowa dla której mamy ciąg uczący zawsze można przeprowadzić naukę metodą algebraiczną rozwiązując pewien układ nierówności

W algorytmach genetycznych operator mutacji zmienia z niewielkim prawdopodobieństwem pojedynczą wartość w skończonym ciągu modelującym genotyp

W binarnej sieci hopfielda kodujemy wektor [11000] oraz [00011] element a12 w macierzy wag jest równy. 2 (dwa)

W binarnej sieci Hopfilda kodujemy wektory [1100] oraz [0011]. Gdy na wejście sieci podajemy wektor [1111] to na wyjście otrzymamy wektor: [1111]

W czasie nauki sieci Kohonena przed podaniem kolejnego wzorca - unormowane są wszystkie wektory wag i wektor wejściowy

W klasycznym (nierozmytym) systemie expertowym: graf skierowany może modelować bazę wiedzy.

W procesie wnioskowania rozmytego składanie zbioru rozmytego i realizacji jest zawsze realizowane przy pomocy T-normy

W procesie wnioskowania rozmytego w wyniku zastosowania rozmytej reguły modus poneus(pojedynczej) otrzymujemy: zbiór rozmyty będący złożeniem pewnego zbioru rozmytego i relacji rozmytej będącej rozmytą implikacją

W regularnym systemie exper. w którym występują miedzy innymi następujące reguły -Ri : IF(a AND NOT a) THEN b (ta) i-ta reguła jest zbędna

W rozmytym systemie expertowym blok rozmywania sluzy do: przedstawienia danych wejściowych jako zbioru rozmytego.

W wyniku krzyżowania osobników o genotypach [00110101] i [11011110] przy założeniu ze genotyp przecięty jest w jednym miejscu w połowie swej długości. Powstają dwa osobniki potomne o genach [00111110] i [11010101]

Zmienna ktora w neuronie przetwarzana jest przez funkcje aktywacji to - calkowite wzbudzenie neuronu bedace iloczynem skalarnym wag i syg wejsciowych

Zakładamy ze funkcja aktywacji neuronów dana jest wzorem: f(s)=1/1+e^-3 gdzie s=w1*x1 + w2*x2 dany jest ciąg {(x⁽¹⁾,z¹)...x^(N), z^N)} oraz ze funkcja błędu dana jest wzorem E(w1,w2)=1/2* E^N_n=1 (y⁽ⁿ⁾ -z⁽ⁿ⁾)² wzór ma zmianę i-tej wagi neuronu (i należy{1,2}) ma postać: w2(k+1)= wi(k)-h*E_n=1(y⁽ⁿ⁾-z⁽ⁿ⁾)*f(s)*(1-f(s))*x2

Zdanie [(~p)=>(q^(~q))] =>p jest reguła wnioskowania

Zdanie [~(p=>q)]^ r ^ (q=>p) jest prawdziwe wtedy i tylko i tylko wtedy gdy p jest prawdziwe , q falszywe i r prawdziwe

Zdanie logiczne postaci ((a ^ (~β)) => (γ ^ (~γ)))=>(α ^ β) nie jest reguła wnioskowania bo nie jest tautologią

Zdefiniujmy w logice rozmytej operatory alternatywy i koniunkcji w sposób następujący W(a^b)=w(a)*w(b) , w(aVb)=w(a)+w(b)-w(a)*w(b) - istnieją a1,b1 takie że w(a1^b1) < w(a1Vb1) oraz istnieją a2,b2 takie że w(a2 ^ b2)> w (a2 V b2)

Zmienna, która w neuronie typu McCullocha-Pittasa jest przetwarzana przez funkcje aktywacji jest całkowite wzbudzenie neuronu

W procesie wnioskowania rozmytego - składanie zbioru rozmytego i realizacji jest zawsze realizowane przy pomocy T-normy

^ xeR V yeR : y>x (dla kazdego x nalezacego do R istnieje y nalezace do R takie ze y>x) - jest to zdanie logiczne prawdziwe