4 (286)

EK'

I- Problemy klasy P są rozwiązywalne za pomocą niedeierminisryczny maszyny Turinga.

^Ł W algorytmie wychładzania relacja sąsiedztwa rozwiązań nie powinna być =—3 spójna.    ^

3. Gdyby wielowarstwowa sieć neuronowa była wyposażona w liniową funkcję aktywacji, można by ją zastąpić jedną warstwą neuronów.

⁴- Niedeterministyczna maszyna Turinga nie potrafi rozwiązywać problemów a NP-zupełnych w czasie wielomianowym.    ‘—^

3. Metody grupowania (clustering) służą do obliczania gradientu w algorytmie

~ wstecznej prppagncji^—

6- Niedeterministyczna maszyna Turinga dopuszcza kilka różnych sposobó> działania w tej samej sytuacji.

7. Nauka z "nauczycielem nie polega na bezpośrednim ustalaniu wag pr użytkownika.

*• Wybierając drogi losowo mamy szansę kiedyś znaleźć najkrótszą, trasę problemie komiwojażera.

1.

1

3.

4.

5.

6.

7.

Programowy gi-ngrunr Gczb pseudo losowych w komputera jesz okresowy.

Nauka z nauczycielem polega na tym. te dysponujemy zarówno wejściowymi, jak i oczekiwanym sanem wyjściowym.

Wielowarstwowa sieć neuronowa może nrieć więcej wyjść, mż wejść.

Funkcja przynależności do zbioru rozmytego to to samo, co rozkbd prawdopodobieństwa.

Nauka sieci neuronowej polega aa zmianie wag neuronów.

Problemy NP-zupełne to podzbiór problemów z klasy NP.

Jeśli waga /-tego wejścia neuronu wynosi 0. wówczas stan wyjścia tego neuronu nie zależy od /-tego sygnału wejściowego.

Metody ■zachłanne pozwalają-na dokładne rozwiązywanie problemów NP trudnych w czasie wielomianowym.

I. Metoda zachłanna to sposób pozwalający omijać ojsirna lokalne.

1 Funkcja aktywacji w klasycznych neuronach jest mero snąca.

3. Szczególnym przypadkiem zbioru rozmytego jest zwykły zbiór.

i Zmiany wag w algorytmie wstecznej propagacji odbywają się losowo, zgodnie z rozkładem normalnym.

3* Wybierając drogi losowo nigdy nie mamy szansy znaleźć najkrótszej trasy w problemie komiwojażera.    !    ,    • '

<• Funkcja XOR jest jedyną fhnkcją logiczną, jakiej nie da się zrealizować za pomocą pojedynczego perceptronu o dwóch wejściach.

7. Przeszukiwanie wiązkowe prowadzi do wykładniczego wzrostu liczby badanych rozwiązań. . .

•• Jeśli pewien szczególny”przypndek problemu X jest NP-trudny, to ^snm/?ęfc problem X jest NP-trudny.