imię i Nazwisko ............................................
grupa ............................................
1. Funkcja aktywacji w perceptronie prostym jest
□ prostą przechodzącą przez środek układu współrzędnych,
□ funkcją sigmoidalną, q funkcją skokową,
2. Jednokierunkowa sieć neuronowa może pełnić rolę uniwersalnego aproksymatora ze względu na
□ nieliniowość funkcji aktywacji,
□ jednokierunkowość przepływu informacji,
□ możliwość modyfikacji wag.
3. Do nauki sieci ze skokową funkcją aktywacji stosuje się
□ metody losowe,
□ regułę Heba,
□ propagację wsteczną błędu.
4. Sieć neuronowa lepiej aproksymuje dane, które są:
□ nie zaszumione,
□ lekko zaszumione,
□ wygenerowane przez nieliniowy mechanizm.
5. Pamięć w sieciach neuronowych jest
□ równomiernie rozłożona po wszystkich neuronach,
□ asocjacyjna,
□ skupiona w warstwie z nieliniową funkcją aktywacji,
6. Nauka z nauczycielem polega na
□ bezpośrednim określeniu wartości wag,
□ na podaniu wzorca (para - wejście wyjście),
□ na nauce sieci poprzez losową korektę wag.
7. Zadaniem zbiorów rozmytych jest:
□ uproszczenie danych pomiarowych,
□ opis subiektywnej informacji,
□ precyzyjny opis wiedzy subiektywnej.
8. Rozmyta baza reguł reprezentuje;
□ subiektywną opinię eksperta wyrażoną w postaci implikacji
□ uproszczone i uporządkowane dane,
q subiektywną opinię eksperta wyrażoną w postaci bazy zbiorów rozmytych.
9. Wielkości fizyczne są:
□ precyzyjne
□ rozmyte
□ zależą od sposobu pomiaru
10. Fuzyfikacja polega na:
□ znalezieniu ostrego reprezentanta zbioru rozmytego,
□ zamianie wielkości ostrej na zbiór rozmyty,
□ predykcji, opartej o metodę “wróżenie z fusów”.
zaznaczamy jedną, prawidłową odpowiedź