Главная / Компьютерная графика / Математические методы распознавания образов

Математические методы распознавания образов - ответы на тесты Интуит

Правильные ответы выделены зелёным цветом.
Все ответы: Курс лекций сосредоточен, в основном, на математических аспектах методов распознавания.
Научная дисциплина, целью которой является классификация объектов по нескольким категориям или классам, носит название
(1) векторная графика
(2) аналитическая графика
(3) распознавание образов
Выявление признаков, которые наиболее полно описывают объект, носит название
(1) генерация признаков
(2) факторизация признаков
(3) интеграция признаков
Возможна ли генерация признаков через линейные преобразования исходных измерений образов?
(1) да, возможна
(2) нет, невозможна
(3) возможна только для комплексного поля
Вероятность получения решающего правила с заданным качеством называют
(1) импликативностью классификатора
(2) надежностью обучения классификатора
(3) аддитивностью классификатора
Предположение о существовании вероятностной меры на пространстве образов, которая либо известна, либо может быть оценена, лежит в основе
(1) байесовского подхода
(2) метода Меттера
(3) способа идентификации Корна
Возможно ли построение линейной разделяющей гиперповерхности?
(1) да, возможно
(2) нет, это исключено
(3) это возможно только для иррациональных коэффициентов
Существуют ли в евклидовом пространстве два симметричных друг другу множества?
(1) нет, это исключено
(2) да, существуют
(3) существуют только с иррациональными элементами
В качестве классификатора можно использовать
(1) булеву функцию
(2) статический идентификатор обратной связи
(3) унимодальный полиномиальный массив средневзвешенных остатков
Может ли прецедент иметь поле притяжения?
(1) нет, это исключено
(2) да, может
(3) только для комплексного поля
Байесовский подход исходит
(1) из статистической природы наблюдений
(2) из теории множеств
(3) из аналитической геометрии
К объектам, которые могут рассматривать в виде эталонов, следует относить
(1) буквы в словах рукописного текста
(2) объекты растровой графики
(3) статические идентификаторы
Что определяет зависимость классов?
(1) классификация каждого нового вектора осуществляется в зависимости от классификации предыдущих векторов
(2) идентификаторы разных классов одинаковы
(3) статические массивы интегрированных определений разных классов одинаковы
Что является целью распознавания образов?
(1) формирование векторных массивов с данными, описывающими объект
(2) классификация объектов по нескольким категориям или классам
(3) определение динамических соответствий в распознаваемых образах
Процедура выделения из множества признаков меньшего подмножества с наилучшим сохранением информативности для классификации называется
(1) импликация признаков
(2) селекция признаков
(3) интеграция признаков
Для действительной матрицы условие унитарности обозначает, что матрица
(1) диагональная
(2) ортогональная
(3) импликативная
Пусть f(x,a) - класс дискриминантных функций, где aªA - параметр. Число степеней свободы при выборе конкретной функции в классе определяется
(1) размерностью A
(2) импликативностью базисных векторов
(3) вероятностью принадлежности вектора a базису
Объект следует относить к тому классу, для которого апостериорная вероятность
(1) ниже
(2) выше
(3) равна нулю
К составляющим частям линейной дискриминантной функции следует отнести
(1) весовой вектор
(2) идентификатор
(3) терминальный вектор
Могут ли симметричные множества в евклидовом пространстве быть разделены гиперплоскостью?
(1) да, могут
(2) нет, не могут
(3) могут только при комплексных коэффициентах
Если отсутствует возможность построения разделяющей прямой. то нельзя построить
(1) идентификатор ввода
(2) линейный классификатор
(3) унимодальный терминал
Каждая точка образует в пространстве признаков
(1) поле притяжения
(2) поле градиента
(3) поле факторизации
В основе байесовского метода лежит предположение о существовании
(1) вероятностной меры на пространстве образов, которая либо известна, либо может быть оценена
(2) массива определений, которые описывают унимодальные множества
(3) контекстного метода динамического подбора вектора соответствий
Эталоном при использовании машинного зрения можно считать
(1) элементы текстур
(2) силуэты объектов в сцене
(3) динамические массивы данных
Из предложенных ниже записей выберите приложения, в которых может возникнуть необходимость выбора класса, к которому следует отнести вектор:
(1) распознавание речи
(2) идентификация матриц
(3) априорная растеризация
Классификация объектов при распознавании образов основывается
(1) на идентификаторах
(2) на растеризации
(3) на прецедентах
Основной мотивацией для сокращения числа признаков является
(1) снижение информативности признаков
(2) уменьшение вычислительной сложности
(3) увеличение контекста доступа по прецедентам
Базисные вектора между собой
(1) ортогональны
(2) импликативны
(3) коммуникативны
Линейная дискриминантная функция с n элементами имеет
(1) n2 степеней свободы
(2) n2-1 степеней свободы
(3) n+1 степеней свободы
Формула Байеса позволяет вычислить апостериорные вероятности событий через
(1) априорные вероятности
(2) функции правдоподобия
(3) графические идентификаторы
В двумерных задачах образы представляются
(1) цифрами
(2) матрицами соответствий
(3) точками на плоскости
Может ли разделяющая гиперплоскость быть оптимальной?
(1) нет, не может по определению
(2) да, может
(3) может только в комплексной плоскости
Каково значение функции and(x1, x2), если x1=0, а x2=1?
(1) 0
(2) 1
(3) не определено
Производится ли поиск дискриминантной функции по обучающей последовательности?
(1) да, производится
(2) нет, это невозможно
(3) производится только в унимодальных полях
Разработка какого элемента является целью байесовского метода?
(1) классификатора
(2) спецификатора
(3) идентификатора
При рассмотрении строчных образов к критериям, определяющим меру близости, следует относить
(1) совпадение букв
(2) наличие синонимов
(3) увеличение контекстности слов
Классификация векторов по классам называется
(1) контекстно-зависимой
(2) контекстно-обусловленной
(3) контекстно-независимой
Что такое прецедент?
(1) образ, правильная классификация которого известна
(2) метод определения типа объекта
(3) способ идентификации методов последовательной обработки графики
К типам селекции признаков следует относить
(1) терминальную селекцию
(2) скалярную селекцию
(3) аддитивную селекцию
Целью преобразования Карунена-Лоева является построение такого вектора признаков, чтобы признаки были
(1) взаимно некоррелированны
(2) статически детерминированы
(3) динамически обусловлены
Квадратичная дискриминантная функция с n элементами имеет
(1) n2+n+1 степеней свободы
(2) n2+n-1 степеней свободы
(3) n2 степеней свободы
Если априорные вероятности и функции правдоподобия неизвестны, то их можно оценить
(1) методами математической статистики
(2) способом градиентной детерминации
(3) по интерполяционным векторам
Множество, содержащее отрезок, соединяющий две произвольные внутренние точки, называется
(1) эквипотенциальным
(2) выпуклым
(3) вогнутым
Если два симметричных друг другу множества разделимы гиперплоскостью, то оптимальная разделяющая гиперплоскость
(1) существует
(2) не существует
(3) не определима
Каждый нейрон задает гиперплоскость, которая разделяет пространство
(1) пополам
(2) на четыре части
(3) на бесконечное количество составляющих частей
Если при применении "наивного" метода потенциальных функций рассматриваемые функции соизмеримы, то
(1) массив идентификаторов обратной связи не определим
(2) может произойти погружение одних точек в другие
(3) вектор соответствия уходит на бесконечность
Задача байесовского метода состоит
(1) в определении наиболее вероятного класса
(2) в формировании вектора соответствий
(3) в определении матрицы вероятностей
Соответствие между символами эталона и пробного образца должно быть
(1) вектором идентификации
(2) матрицей соответствия
(3) двудольным графом
Отправной точкой контекстно-зависимой классификации является
(1) байесовский классификатор
(2) классификатор Неймана
(3) классификатор Коши
В каких интеллектуальных системах применяется задача распознавания образов?
(1) машинное зрение
(2) аналитическая геометрия на плоскости
(3) аналитическая геометрия в пространстве
Для чего применяется предобработка векторов признаков?
(1) для приведения векторов в единый масштаб измерений
(2) для произведения дополнительных улучшений
(3) для идентификации доступа к объектам
В методе селекции признаков в качестве критерия выступают
(1) дискриминантные свойства полученного вектора признаков
(2) наилучшие приближения исходных измерений
(3) детерминанты матрицы соответствия
С увеличением степеней свободы способность классификатора по разделению
(1) увеличивается
(2) уменьшается
(3) остается неизменной
Возможно ли существование классификатора, минимизирующего общий средний риск?
(1) да, возможно
(2) нет, невозможно
(3) возможно только в полярных координатах
Минимальное выпуклое множество, содержащее данное, носит название
(1) выпуклая оболочка
(2) плоская оболочка
(3) вогнутая оболочка
Может ли максимум функции П(ϕ) достигаться внутри сферы?
(1) нет, не может
(2) да, может
(3) может только при иррациональных коэффициентах
Скрытый слой нейронов делит пространство
(1) на октаэдры
(2) на додекаэдры
(3) на полиэдры
При применении общей рекуррентной процедуры для бесконечного ряда требуется
(1) поточечная сходимость
(2) динамическое рассеивание
(3) аппроксимационная идентификация
Может ли система подмножеств быть совместной?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для гиперскалярных множеств
Из предложенных ниже записей выделите те, которые являются свойствами двудольного графа соответствия между символами эталона и пробного образца:
(1) граф не должен иметь изолированных вершин
(2) граф должен быть положительно ориентирован
(3) граф должен быть отрицательно ориентирован
Общая информация, которая присутствует в векторах, требует, чтобы классификация была выполнена
(1) с использованием динамической идентификации
(2) с использованием всех векторов одновременно
(3) с использованием вектора определений связей
Системы, назначение которых состоит в получении изображения через камеру и составление его описания в символьном виде, носят название
(1) идентификационные системы
(2) системы машинного зрения
(3) системы графической интерполяции
Если распределение случайных величин совпадает для разных классов, то признак
(1) различает эти классы
(2) не различает эти классы
(3) игнорирует эти классы
Если все подпространства одинаковой размерности, то разделяющие поверхности - это
(1) метаплоскости
(2) гиперплоскости
(3) гипоплоскости
Могут ли прецеденты быть результатами реализации случайных величин?
(1) да, могут
(2) нет, не могут
(3) могут только в иррациональном поле
Возможно ли вычисление порога для проверки отношения правдоподобия?
(1) только на комплексной плоскости
(2) да, возможно
(3) нет, не возможно
Два множества на плоскости линейно разделимы тогда и только тогда, когда их выпуклые оболочки
(1) пересекаются
(2) не пересекаются
(3) перпендикулярны
Максимум функции П(ϕ)
(1) единственный
(2) зависит от статических идентификаторов
(3) имеет свойство репликации
Все вектора из каждого полиэдра отображаются
(1) в вершину многомерного единичного куба
(2) в начало вектора соответствий
(3) в конец вектора интерпретации
Может ли рекуррентная процедура иметь более одной формы?
(1) да, может
(2) нет, не может
(3) может только для комплексного поля
Идея комитетного метода распознавания состоит в использовании
(1) массива идентификаторов
(2) нескольких классификаторов
(3) вектора соответствий
К ошибкам, которые могут возникать в задаче сравнения цепочек упорядоченных символов, следует относить
(1) неправильно определенный символ
(2) динамическую реинтеграцию символов
(3) потерю одного или нескольких обратных идентификаторов
Вектор признаков принято называть
(1) идентификатором
(2) терминантом
(3) наблюдением
Для чего распознавание образов может быть применено в медицине?
(1) при маммографии
(2) при рентгенографии
(3) для интерпретации электрокардиограмм
Если значения признаков отличаются несущественно, гипотеза носит название
(1) альтернативная гипотеза
(2) приоритетная гипотеза
(3) терминальная гипотеза
Имеет ли унитарная симметрическая матрица сопряженную матрицу?
(1) да, имеет
(2) нет, не имеет
(3) имеет только для комплексного поля
От каких параметров зависит средний риск?
(1) от характеристической функции множества
(2) от вектора признаков
(3) от результата классификации
В задаче классификации по M классам, вероятность ошибки классификации
(1) неограниченна
(2) ограничена
(3) неопределенна
Срединный перпендикуляр к отрезку, соединяющему пару точек в выпуклых оболочках обоих множеств, носит название
(1) разделяющая прямая
(2) прямая идентификации
(3) соединительная прямая
Существуют ли выпуклые оболочки симметричных друг другу множеств, разделенных гиперплоскостью?
(1) да, существуют
(2) нет, это невозможно
(3) существуют только в комплексном поле
Внешний (выходной) нейрон реализует
(1) одну гиперплоскость
(2) пару гиперплоскостей
(3) бесконечное множество гиперплоскостей
Является ли система тригонометрических функций ортогональной?
(1) нет, не является
(2) да, является
(3) не определено
Существует ли комитет для несовместной системы?
(1) нет, не существует
(2) да, существует
(3) существует только в комплексном поле
Минимальное общее число изменений, вставок и потерь, требуемое для изменения образа A в образ B, носит название
(1) редакторское расстояние
(2) расстояние интеграции
(3) априорное расстояние
Одной из наиболее используемых моделей, описывающих зависимость классов, является
(1) правило Марковской цепи
(2) метод Неймана
(3) способ статической факторизации
Измерения, используемые для классификации образов, называются
(1) идентификаторами
(2) признаками
(3) градиентами
Дискриминантными свойствами обладают
(1) признаки
(2) векторы признаков
(3) детерминанты
Матрицы преобразования Адамара и Хаара вычисляются через
(1) умножение
(2) сложение
(3) вычитание
Разрешима ли задача минимизации эмпирического риска?
(1) да, разрешима
(2) нет, не разрешима
(3) разрешима только на комплексном поле
Минимизация риска по отношению к разделению пространства признаков на M областей является
(1) градиентной
(2) эквивалентной
(3) эквипотенциальной
Что определяет запись (W')T=(WT, W0)?
(1) пополненный весовой вектор
(2) априорный весовой вектор
(3) терминальный весовой вектор
Определимо ли евклидово расстояние между парой ближайших точек в выпуклых оболочках симметричных друг другу множеств, разделенных гиперплоскостью?
(1) да, определимо
(2) нет, не определимо
(3) определимо только в случае с терминальными множествами
Трехслойная нейронная сеть позволяет описать
(1) любые разделения объединений полиэдров
(2) только статические разделения объединений полиэдров
(3) только динамические разделения объединений полиэдров
Если задана полная ортогональная система функций одной переменной, то можно построить
(1) массив реинтегрированных детерминантов
(2) полную ортогональную систему функций любого числа переменных
(3) вектор соответствий
К типам комитетов следует отнести
(1) разделяющий комитет
(2) детерминантный комитет
(3) априорный комитет
К составляющим частям редакторского расстояния следует относить
(1) вставки
(2) интеграции
(3) факторизации
Когда зависимость классов ограничивается только внутри двух последовательных классов, такой класс моделей называется
(1) Марковской моделью первого порядка
(2) Марковской моделью второго порядка
(3) Марковской моделью третьего порядка
Совокупность признаков, относящихся к одному образу, называется
(1) вектором признаков
(2) матрицей соответствий
(3) градиентом атрибутов
Мера расстояния между плотностями определяется понятием
(1) импликации
(2) дивергенции
(3) аддитивности
Унитарная матрица Адамара порядка n - это матрица
(1) 2n x 2n
(2) 2n x 2n
(3) (2n-1) x (2n-1)
Чтобы полученное эмпирическое решающее хорошо работало (отражало общие свойства) для всех образов, в формуле присутствует
(1) статический анализатор
(2) равномерная сходимость
(3) среднеквадратичное отклонение
Если логарифмическая дискриминантная функция представляет собой квадратичную форму, то ее разделяющая поверхность являетсяа
(1) гиперповерхностью второго порядка
(2) гиперповерхностью третьего порядка
(3) гиперповерхностью четвертого порядка
Выпуклая оболочка объединения множеств X1 и -X2 не содержит начала координат. Тогда множества X1 и X2 являются
(1) разделимыми
(2) эквивалентными
(3) эквипотенциальными
Оптимальная разделяющая гиперплоскость по отношению к отрезку, соединяющему ближайшие точки выпуклых оболочек симметричных друг другу множеств, является
(1) полиномиальной
(2) ортогональной
(3) априорной
Каждый нейрон второго слоя трехслойной нейронной сети описывает
(1) сечение гиперкуба
(2) построение полиэдрального разбиения пространства гиперплоскостями
(3) детерминацию срединных перпендикуляров
Если речь идет о сходимости в вероятностном смысле, то такая сходимость может определяться
(1) с вероятностью равной 1
(2) в среднем
(3) эквипотенциально
Каждая гиперплоскость должна иметь
(1) вектор соответствия
(2) направляющий вектор
(3) вектор идентификации
Контура изображаются
(1) графами
(2) ломаными линиями
(3) кривыми линиями
Функция плотности вероятностей в одном классе
(1) зависит от других классов
(2) не зависит от других классов
(3) неопределима без другого класса
Выбор признаков, которые с достаточной полнотой (в разумных пределах) описывают образ, носит название
(1) задача генерации признаков
(2) задача селекции признаков
(3) задача детерминации признаков
Сумма диагональных элементов матрицы называется
(1) терминантом
(2) следом
(3) репликантом
Функции Хаара на замкнутом сегменте [0,1] являются
(1) коммуникативными
(2) импликативными
(3) непрерывными
Разбиение множества на два подмножества носит название
(1) конкатенация
(2) биекция
(3) дихотомия
Может ли матрица ковариации быть диагональной?
(1) нет, это исключение
(2) да, может
(3) может только в плоскости натуральных чисел
В алгоритме персептрона в основу положен принцип действия
(1) протона
(2) нейрона
(3) электрона
Задача поиска пары ближайших точек может быть приведена к задаче
(1) линейной аппроксимации
(2) квадратичного программирования
(3) градиентного спуска
Число нейронов второго слоя равно 4. Чему равно количество вершин гиперкуба?
(1) 2
(2) 4
(3) 16
Точки из обучающей последовательности
(1) независимые величины
(2) структурные величины
(3) априорные величины
Точки x1, x2,…,xm пространства Rl называются точками общего положения, если
(1) l=m
(2) никакая l+1 точка не лежит в гиперплоскости размерности l-1
(3) все точки не выходят из диапазона [l+1;l-1]
К основным направлениям обработки речи следует отнести:
(1) IWR
(2) CSR
(3) NYT
Что представляет собой алгоритм Витерби?
(1) процедуру динамического программирования
(2) метод статической детерминации
(3) способ частичной нелинейной аппроксимации
К основным элементам построения системы распознавания образов следует относить
(1) генерацию признаков
(2) селекцию признаков
(3) построение классификатора
Примером нежадной стратегии является
(1) метод градиентного спуска
(2) метод плавающего поиска
(3) метод статической идентификациил
Эффективное кодирование необходимой для классификации информации, содержащейся в оригинальных данных, носит название
(1) генерация признаков
(2) селекция признаков
(3) импликация признаков
Проверка условия критерия равномерной сходимости по вероятности затрудняется
(1) отсутствием анализаторов
(2) неопределенностью распределения выборки
(3) невозможностью динамической классификации
Существуют ли равновероятные классы с одинаковой матрицей ковариации?
(1) нет, это исключено
(2) да, существуют
(3) существуют только для градиентных идентификаторов
Аргументом функции активации является
(1) выход сумматора
(2) вход сумматора
(3) передаточная функция сумматора
Сколько ограничений имеет задача квадратичного программирования?
(1) 2
(2) 3
(3) 4
Нейрон третьего слоя осуществляет
(1) разделение пространства признаков на полиэдры одного класса
(2) отсечение вершин гиперкуба
(3) классификацию через оператор логического сложения
Какова плотность разных точек обучающей последовательности?
(1) одинаковая
(2) различная
(3) может быть как одинаковая, так и различная - зависит от типа поля
Верно ли то, что существует разделяющий комитет аффинных функционалов, состоящий из не более чем m-1 членов при четном m?
(1) да, это верно
(2) нет, это неверно
(3) это верно только при нулевых идентификаторах
К направлениям обработки речи следует отнести
(1) распознавание отдельных слов
(2) методическое распознавание
(3) интеграционное распознавание
Тип стохастической аппроксимации нестационарных стохастических последовательностей со статистическими свойствами, которые подвергаются различным случайным переходам среди множества различных стационарных процессов, носит название
(1) HMM
(2) DFT
(3) TRY
Распознавание без обучения носит название
(1) интерполяция
(2) детерминизация
(3) кластеризация
Пассивная селекция - это
(1) работа с уже полученными признаками
(2) работа с прогнозируемыми данными
(3) работа с идентификаторами ввода
Величина, равная отношению числа пикселов с заданным уровнем интенсивности к общему числу пикселов в регионе носит название
(1) гистограмма первого порядка
(2) диаграмма Боде
(3) диаграмма Найквиста
Универсальной характеристикой класса решающих функций является
(1) мера перераспределения
(2) импликация интеграционных базисов
(3) емкость класса решающих функций
Выделите из предложенных ниже записей классификаторы по минимуму расстояния:
(1) классификатор по минимуму расстояния с диагональной матрицей ковариации
(2) классификатор по минимуму расстояния с недиагональной матрицей ковариации
(3) классификатор по минимуму расстояния с априорной матрицей ковариации
По своей сути нейрон является
(1) линейным классификатором
(2) статическим идентификатором
(3) динамическим анализатором
Задача математического программирования имеет
(1) квадратичную целевую функцию
(2) унимодальную динамическую функцию
(3) априорную терминальную функцию
Аппроксимация непрерывной дифференцируемой функцией за счет замены функции активации "сигмовидной" функцией лежит в основе
(1) алгоритма обратной волны
(2) метода градиентного спуска
(3) метода дихотомии
Может ли сходиться общая рекуррентная процедура?
(1) нет, не может
(2) да, может
(3) может только в комплексном поле
Зависит ли число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения, от размерности множества?
(1) нет, не зависит
(2) да, зависит
(3) зависит только в комплексном поле
К составляющим частям ядра IWR-систем относят
(1) совокупность эталонов
(2) меру
(3) прецеденты
Что могут представлять собой высказывания в HMM?
(1) слово
(2) предложение
(3) параграф
Что такое распознавание образов?
(1) это раздел компьютерной графики, отвечающий за растеризацию изображений
(2) научная дисциплина, целью которой является классификация объектов по нескольким категориям или классам
(3) метод векторного представления растровых объектов
Выявление признаков, которые имеют наилучшие классификационные свойства для конкретной задачи, называется
(1) селекция признаков
(2) организация признаков
(3) спецификация признаков
Верно ли то, что генерация признаков через линейные преобразования исходных измерений образов невозможна?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для аддитивных полей
Надежностью обучения классификатора называют
(1) вероятность получения решающего правила с заданным качеством
(2) возможность системы сохранять параметры
(3) импликативность параметров обратной связи элементов и образов
В чем состоит основная цель байесовского подхода?
(1) в разработке такого классификатора, который будет правильно определять наиболее вероятный класс для пробного образа
(2) в приоритетной оценке интерполяционных последовательностей
(3) в идентификации статических градиентных методов последовательной обработки графических данных
Построение линейной разделяющей гиперповерхности
(1) невозможно
(2) возможно
(3) реализуемо только в комплексной плоскости
Возможно ли существование в евклидовом пространстве двух симметричных друг другу множеств?
(1) нет, это невозможно
(2) да, возможно
(3) возможно только для комплексных координат
Возможно ли использование булевой функции в качестве классификатора?
(1) да, возможно
(2) нет, невозможно
(3) возможно только на комплексной плоскости
Верно ли то, что прецедент не может иметь поле притяжения?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для унимодальных полей
Какова природа байесовского подхода?
(1) геометрическая
(2) аналитическая
(3) статистическая
Выделите из предложенных ниже записей те, которые могут быть использованы в виде эталонов:
(1) силуэты объектов в сцене
(2) объекты векторной графики
(3) поля и множества
Выбор класса, к которому следует отнести вектор, зависит
(1) от его собственного значения
(2) от интеграции коэффициентов
(3) от типа множества
Основной целью научной дисциплины распознавания образов является
(1) классификация методов параллельной обработки графических данных
(2) классификация методов и способов получения трехмерной интерпретации двумерных объектов
(3) классификация объектов по нескольким категориям или классам
Как называется процедура выделения из множества признаков меньшего подмножества с наилучшим сохранением информативности для классификации?
(1) отождествление признаков
(2) селекция признаков
(3) аппроксимация признаков
Если матрица является действительной, то что для нее обозначает условие унитарности?
(1) то, что она ортогональная
(2) то, что она аддитивная
(3) то, что она коммуникативная
Пусть f(x,a) - класс дискриминантных функций, где aªA - параметр. Каким образом можно определить число степеней свободы при выборе конкретной функции в классе?
(1) по параметрам f
(2) размерностью A
(3) количеством векторов в базисе
Правило классификации по максимуму апостериорной вероятности называется
(1) хаффмановским
(2) байесовским
(3) евклидовым
Составляющей частью линейной дискриминантной функции считается
(1) порог
(2) терминал
(3) атрибут
В евклидовом пространстве существуют два симметричных друг другу множества. Верно ли то, что они не могут быть разделены гиперплоскостью?
(1) да, верно
(2) нет, неверно
(3) это верно, если множества унимодальные
Нелинейный классификатор может быть построен
(1) как суперпозиция нескольких линейных
(2) как априорная интеграция нескольких линейных
(3) как произведение нескольких линейных
Что образует каждая точка в пространстве признаков?
(1) априорную факторизацию
(2) вектор соответствий
(3) поле притяжения
Предположение о существовании какого элемента лежит в основе байесовского метода?
(1) вероятностной меры на пространстве образов
(2) вектора детерминантов
(3) массива соответствий
Используются ли силуэты объектов в сцене при использовании машинного зрения?
(1) нет, не используются
(2) да, используются
(3) используются только при динамическом растровом анализе
К приложениям, в которых может возникнуть необходимость выбора класса, к которому следует отнести вектор, следует отнести
(1) обработку изображений
(2) статическую детерминацию
(3) линейную аппроксимацию
На чем основывается классификация объектов при распознавании образов?
(1) на динамических текстурах
(2) на статических текстурах
(3) на прецедентах
Одной из основных причин сокращения числа признаков принято считать
(1) повышение общности классификатора
(2) увеличение информативности динамических идентификаторов
(3) снижение числа прецедентов
Какими являются между собой базисные вектора?
(1) ортогональными
(2) аддитивными
(3) детерминантными
Сколько степеней свободы имеет линейная дискриминантная функция с 5 элементами?
(1) 5
(2) 6
(3) 7
Какие из перечисленных ниже элементов используются для формулы Байеса?
(1) функции правдоподобия
(2) градиентные детерминанты
(3) априорные вероятности
Каким образом представляются образы в двумерных задачах?
(1) точками на плоскости
(2) векторами
(3) матрицами средневзвешенных остатков
Верно ли то, что разделяющая гиперплоскость не может быть оптимальной?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для иррациональных идентификаторов
Каково значение функции or(x1, x2), если x1=1 и x2=1?
(1) 1
(2) 0
(3) не определено
Можно ли отыскать дискриминантную функцию по обучающей последовательности?
(1) да, можно
(2) нет, нельзя
(3) можно только в комплексном поле
Цель байесовского метода состоит
(1) в разработке такого классификатора, который будет правильно определять наиболее вероятный класс для пробного образа
(2) в формировании полного набора статических детерминантов, которые будут содержать свойства исследуемых объектов
(3) в получении достоверных сведений о природе объекта терминальными методами с последующей его классификацией
Из предложенных ниже записей выделите те критерии, которые могут применяться при определении меры близости при рассмотрении строчных образов:
(1) монотонность
(2) динамичность
(3) синхронность
Как называется классификация векторов при распознавании речи?
(1) линейно-независимая
(2) контекстно-зависимая
(3) интерактивно-обусловленная
Образ, правильная классификация которого известна, носит название
(1) детерминант
(2) прецедент
(3) градиент
Из предложенных ниже записей выделите типы селекции признаков:
(1) векторная селекция
(2) растровая селекция
(3) импликативная селекция
Если матрица является положительно определенной, то ее собственные значения
(1) меньше нуля
(2) больше нуля
(3) равны нулю
Сколько степеней свободы имеет квадратичная дискриминантная функция с 5 элементами?
(1) 32
(2) 33
(3) 40
Байесовский классификатор по отношению к минимизации вероятности ошибки классификации является
(1) максимальным
(2) оптимальным
(3) минимальным
Как называется множество, содержащее отрезок, соединяющий две произвольные внутренние точки?
(1) выпуклым
(2) априорным
(3) терминальным
Два симметричных друг другу множества разделены гиперплоскостью. Существует ли в этом случае оптимальная разделяющая гиперплоскость?
(1) существует и единственна
(2) существует, но она не единственна
(3) нет, не существует
На сколько частей делит пространство гиперплоскость, заданная нейроном?
(1) на две части
(2) на три части
(3) на четыре части
При применении "наивного" метода потенциальных функций рассматриваемые функции оказались соизмеримы. К чему это может привести?
(1) к неформальному представлению массива вершин
(2) к погружению одних точек в другие
(3) к неконтекстной классификации объектов
В чем состоит основная задача байесовского метода?
(1) в классификации априорных объектов
(2) в определении наиболее вероятного класса
(3) в определении возможностей класса к расширению
Чем по своей сути является соответствие между символами эталона и пробного образца?
(1) полем
(2) подмножеством
(3) графом
В основе контекстно-зависимой классификации лежит понятие
(1) линейного классификатора
(2) динамического классификатора
(3) байесовского классификатора
К интеллектуальным системам, в которых применяется задача распознавания образов, следует отнести
(1) распознавание интерполированных объектов
(2) символьное распознавание
(3) статическую идентификацию
К основным операциям предобработки следует относить
(1) удаление выбросов
(2) нормализацию
(3) пропуск данных
В преобразовании Карунера-Лоева в качестве критерия выступает
(1) дискриминантное свойство полученного вектора признаков
(2) наилучшее приближение исходных измерений
(3) спецификатор обратной связи
Каким образом изменяется способность классификатора по разделению с увеличением степеней свободы?
(1) уменьшается
(2) увеличивается
(3) остается неизменной
Как можно классифицировать ситуацию радиолокационной разведки?
(1) как одноклассовую задачу
(2) как двухклассовую задачу
(3) как полиномиальную задачу
Как принято называть минимальное выпуклое множество, содержащее данное?
(1) терминальная оболочка
(2) выпуклая оболочка
(3) априорная оболочка
Где достигается максимум функции П(ϕ)?
(1) в центре сферы
(2) внутри сферы
(3) на границе сферы
На какие структурные части делит пространство слой нейронов?
(1) на тетраэдры
(2) на полиэдры
(3) на икосаэдры
Что является необходимым требованием для бесконечного ряда при применении общей рекуррентной процедуры?
(1) поточечная сходимость
(2) независимость членов
(3) унимодальность вектора соответствий
Верно ли то, что система подмножеств не может быть совместной?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для гиперскалярных множеств
К свойствам двудольного графа соответствия между символами эталона и пробного образца следует отнести
(1) непересекающиеся ребра
(2) положительные идентификаторы
(3) изолированные вершины
Общая информация, которая присутствует в векторах, требует, чтобы классификация была организованна
(1) в той последовательности, в которой получена в экспериментах
(2) в цикле с динамическими параметрами
(3) в статической последовательности с обратной связью
Из предложенных ниже записей выделите те, которые соответствуют назначению систем машинного зрения:
(1) получение изображения через камеру
(2) составление описания изображения в символьном виде
(3) динамическая интерпретация изображений
Задача скалярно селекции на основе проверки статистических гипотез решается путем оценивания
(1) детерминантов признаков
(2) дискриминантной способности каждого отдельного признака
(3) аппроксимационных данных признаков
Преобразование сингулярных значений матрицы носит название
(1) спектральное представление
(2) аддитивное представление
(3) импликативное представление
Результатами реализации случайных величин могут быть
(1) статические идентификаторы
(2) спецификаторы вывода
(3) прецеденты
Возможно ли присутствие матрицы потерь в двухклассовой задаче?
(1) да, возможно
(2) нет, невозможно
(3) возможно только в исключительных случаях
Выпуклые оболочки двух множеств на плоскости не пересекаются. В таком случае эти множества
(1) линейно разделимы
(2) эквипотенциальны
(3) эквивалентны
Верно ли то, что максимум функции П(ϕ) единственный?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для комплексных коэффициентов
Выходной нейрон производит
(1) сечение гиперкуба, полученного в скрытом слое
(2) идентификацию массива вершин
(3) интерпретацию и частичную аппроксимацию массива вершин
Верно ли то, что рекуррентная процедура не может иметь более одной формы?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для априорных массивов
В чем основной смысл комитетного метода распознавания?
(1) в использовании нескольких классификаторов
(2) в использовании эквипотенциальных идентификаторов
(3) в использовании априорных спецификаторов
Из предложенных ниже записей выделите те, которые можно считать ошибками при решении задачи сравнения цепочек упорядоченных символов:
(1) ошибка вставки>
(2) ошибка встречи
(3) ошибка интеграции
Каково другое название вектора признаков?
(1) параметризатор
(2) наблюдение
(3) аналитический вектор
Из предложенных ниже записей выделите те области науки, в которых применяется распознавание образов:
(1) геология
(2) распознавание речи
(3) символьное распознавание
В каком случае признак может не обладать хорошими разделительными свойствами?
(1) если средние значения различаются
(2) если дисперсии очень большие
(3) если не сформированы идентификаторы
Из предложенных ниже записей выделите виды дискретных преобразований:
(1) синусное
(2) косинусное
(3) котангенсное
Из предложенных ниже записей выберите те, от которых зависит средний риск:
(1) результат классификации
(2) статические идентификаторы
(3) спецификаторы обратной связи
Каким отношением ограничена вероятность ошибки классификации задаче классификации по M классам?
(1) M/M-1
(2) M2-1
(3) M-1/M
Как называется срединный перпендикуляр к отрезку, соединяющему пару точек в выпуклых оболочках обоих множеств?
(1) разделяющая прямая
(2) серединная прямая
(3) аналитическая прямая
Выпуклые оболочки симметричных друг другу множеств, разделенных гиперплоскостью
(1) не существуют
(2) существуют
(3) не могут быть определены
Какое количество гиперплоскостей реализует выходной нейрон?
(1) 1
(2) 2
(3) бесконечное множество
Система тригонометрических функций является
(1) полной
(2) ортогональной
(3) унимодальной
Комитет для несовместной системы
(1) не существует
(2) существует
(3) не определен
Как называется минимальное общее число изменений, вставок и потерь, требуемое для изменения образа A в образ B?
(1) число Кальмана
(2) редакторское расстояние
(3) расстояние сдвига
Для чего может использоваться правило Марковской цепи?
(1) для описания зависимости классов
(2) для детерминации коэффициентов
(3) для линейной факторизации векторов
Как называются измерения, используемые для классификации образов?
(1) признаки
(2) свойства
(3) атрибуты
Выделите из перечисленных ниже записей элементы, обладающие дискриминантными свойствами:?
(1) признаки
(2) факторизаторы
(3) спецификаторы
Какие действия могут применяться при вычислении матриц преобразования Адамара и Хаара?
(1) умножение
(2) деление
(3) вычитание
Верно ли то, что задача минимизации эмпирического риска не разрешима?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только в рациональном поле
Почему распределение Гаусса широко используется?
(1) по причине вычислительного удобства
(2) по причине адекватности во многих случаях
(3) по причине быстроты идентификации объектов
Что обозначает запись (X')T=(XT, 1)?
(1) пополненный вектор признаков
(2) идентификационный вектор признаков
(3) конечный вектор признаков
Евклидово расстояние между парой ближайших точек в выпуклых оболочках симметричных друг другу множеств, разделенных гиперплоскостью
(1) неопределимо
(2) не имеет смысла и практического применения
(3) определимо
Для заданного конечного множества прецедентов всегда можно построить разбиение пространства признаков на полиэдры такое, что ни в каком полиэдре не окажется
(1) нелинейных классификаторов
(2) интерполяционных несоответствий
(3) пары точек из разных классов
Верно ли то, что если задана полная ортогональная система функций одной переменной, то можно построить полную ортогональную систему функций любого числа переменных?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для эквивалентных полей
Из приведенных ниже записей выберите типы комитетов:
(1) синхронный
(2) динамический
(3) разделяющий
Из предложенных ниже записей выделит составляющие части редакторского расстояния:
(1) изменения
(2) реинтеграции
(3) специализации
Возможно ли обобщение классов на третий порядок Марковской цепи?
(1) нет, невозможно
(2) да, возможно
(3) возможно только для терминальных классов
Как принято называть совокупность признаков, относящихся к одному образу?
(1) идентификаторами
(2) градиентами
(3) вектором признаков
Дивергенция учитывает различия
(1) в средних
(2) в дисперсии
(3) в идентификаторах
Для формирования унитарной матрицы Адамара применяется
(1) кронекерово произведение
(2) произведение Капели
(3) произведение Коши
Какие из приведенных ниже элементов входят в неравенство Бернштейна?
(1) вероятность
(2) частота в испытаниях
(3) ошибка классификатора при решающем правиле
Если разделяющая поверхность является гиперповерхностью второго порядка, то байесовский классификатор является
(1) гиперскалярным
(2) унимодальным
(3) квадратичным
Выпуклая оболочка объединения множеств X1 и -X2 содержит начало координат. Тогда множества X1 и X2
(1) не разделимы
(2) разделимы
(3) условно разделимы
Какой является оптимальная разделяющая гиперплоскость по отношению к отрезку, соединяющему ближайшие точки выпуклых оболочек симметричных друг другу множеств?
(1) детерминантной
(2) ортогональной
(3) эквипотенциальной
Если число вершин в гиперкубе равно 8, то число нейронов второго слоя равно
(1) 3
(2) 8
(3) 12
Как может определяться сходимость, если она рассматривается в вероятностном смысле?
(1) с вероятностью равной 1
(2) с относительной вероятностью
(3) с терминальной вероятностью
Каждая гиперплоскость должна иметь направляющий вектор, который по отношению к своему прецеденту должен быть
(1) унимодальным
(2) эквивалентным
(3) ортогональным
Вершины контуров носят название
(1) точки
(2) узлы
(3) контакты
Зависит ли функция плотности вероятностей в одном классе от других классов?
(1) да, зависит
(2) нет, не зависит
(3) зависит только для статических классов
Отбор наиболее информативных признаков для классификации носит название
(1) задача генерации признаков
(2) задача селекции признаков
(3) задача интерпретации признаков
Как называется сумма диагональных элементов матрицы?
(1) выборкой
(2) следом
(3) компонентой
Результатом процесса дискретизации непрерывной функции в виде двумерного массива является
(1) аналоговое изображение
(2) цифровое изображение
(3) векторное изображение
Как принято называть разбиение множества на два подмножества?
(1) дихотомия
(2) импликация
(3) сегрегация
Из перечисленных ниже записей выделите линейные поверхности решения:
(1) линейная поверхность решения с диагональной матрицей ковариации
(2) линейная поверхность решения с недиагональной матрицей ковариации
(3) линейная поверхность решения с градиентной матрицей ковариации
Выделите из предложенных ниже записей составляющие части обобщенной схемы нейрона:
(1) сумматор>
(2) синоптические веса
(3) идентификатор ввода
К какой задаче может быть сведена задача поиска пары ближайших точек?
(1) к задаче Чевы
(2) к задаче квадратичного программирования
(3) к задаче кубической интерполяции
Если число нейронов второго слоя равно 32, то чему будет равно количество вершин гиперкуба?
(1) 16
(2) 32
(3) 64
Какими величинами являются точки из обучающей последовательности?
(1) бесконечными
(2) независимыми
(3) многозначными
На плоскости точками общего положения считаются те точки
(1) из которых никакие три не лежат на одной прямой
(2) которые лежат на одной прямой
(3) которые не принадлежат комплексной плоскости
Из предложенных ниже записей выделите основные направления обработки речи:
(1) CDR
(2) TRS
(3) SIR
Системы, в которых состояния напрямую не наблюдаются и могут быть лишь оценены из последовательности наблюдений с помощью некоторой оптимизационной техники, носят название
(1) скрытые Марковские модели
(2) Марковские модели с идентификацией
(3) итерационные Марковские модели
Задача распознавания на основе имеющегося множества прецедентов называется
(1) классификацией с градиентами
(2) классификацией с обучением
(3) классификацией с идентификаторами
Плавающий поиск базируется на стратегии
(1) вставки и исключения
(2) спецификации и идентификации
(3) обобщения и переименования
Распределение оттенков серого цвета среди пикселов в регионе называется
(1) следом
(2) растром
(3) текстурой
Чем затрудняется проверка условия критерия равномерной сходимости по вероятности?
(1) неопределенностью распределения выборки
(2) аддитивностью статических параметров
(3) импликативностью неравномерных подгрупп
Равновероятные классы с одинаковой матрицей ковариации
(1) существуют
(2) не существуют
(3) существуют только для комплексной плоскости
Если сумма выхода сумматора и порога меньше нуля, то функция активации равна
(1) 1
(2) 0
(3) -1
Какое количество ограничений имеется в задаче квадратичного программирования?
(1) 1
(2) 2
(3) 4
Классификацию через оператор логического сложения осуществляет
(1) нейрон первого слоя
(2) нейрон второго слоя
(3) нейрон третьего слоя
Плотность двух наугад взятых из обучающей последовательности точек
(1) одинакова
(2) нулевая
(3) бесконечная
Определимо ли число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения?
(1) да, определимо
(2) нет, не определимо
(3) определимо только для эквипотенциальных полей
Из предложенных ниже записей выберите основные направления обработки речи:
(1) распознавание слитной речи
(2) априорное распознавание
(3) терминальное распознавание
Моделирование последовательности наблюдений как кусочно-стационарного процесса носит название
(1) HMM
(2) NTP
(3) DSC
Кластеризация представляет собой
(1) распознавание с обучением
(2) распознавание без обучения
(3) динамическое распознавание
Построение из исходного набора признаков нового набора меньшего размера, в котором состав признаков не является подмножеством исходного набора признаков, носит название
(1) пассивная селекция
(2) активная селекция
(3) статическая селекция
В качестве признаков, основанных на статистиках первого порядка, может использоваться
(1) абсолютный момент
(2) спецификатор ввода
(3) интегральный анализатор
Если емкость класса решающих функций конечна, то всегда имеет место
(1) вектор статической интеграции
(2) равномерная сходимость частот к вероятностям
(3) мера импликативности
Существует ли классификатор по минимуму расстояния с диагональной матрицей ковариации?
(1) да, существует
(2) нет, это исключение
(3) существует только в комплексном поле
Алгоритм персептрона представляет собой
(1) параллельную кластерную обработку
(2) последовательную итерационную процедуру
(3) концептуальную интеграционную обработку
В чем состоит алгоритм Гаусса-Зейделя?
(1) в аппроксимации векторов
(2) в интерполяции средневзвешенных остатков
(3) в нахождении наименьшего расстояния между симметричными множествами
Аргумент функции активации нейрона принимает значения в зависимости
(1) от индекса прецедента
(2) от типа атрибута
(3) от идентификаторов
Верно ли то, что общая рекуррентная процедура не может сходиться?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только в случае с эквивалентными коэффициентами
Верно ли то, что число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения не зависит от размерности множества?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для гиперскалярных полей
Что такое квантование сигнала?
(1) увеличение частоты
(2) снижение амплитуды
(3) разбиение на отрезки
HMM по своей сути является
(1) классификатором
(2) конечным автоматом
(3) детерминатором
Классификация объектов по нескольким категориям или классам может производиться с помощью
(1) аналитической геометрии
(2) распознавания образов
(3) векторной алгебры
К этапам решения задачи распознавания образов следует относить
(1) построение классификатора
(2) генерацию признаков
(3) селекцию признаков
Целью генерации признаков через линейные преобразования исходных измерений образов является
(1) сокращение информации до значимой
(2) замена идентификаторов
(3) априорная спецификация
Что принято называть надежностью обучения классификатора?
(1) конечную реализацию разностных методов
(2) вероятность получения решающего правила с заданным качеством
(3) вероятность безошибочной классификации импликативных образов
Вероятность, которая задает распределение индекса класса после эксперимента, носит название?
(1) динамической
(2) статической
(3) апостериорной
Верно ли то, что построение линейной разделяющей гиперповерхности невозможно по определению?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для скалярных идентификаторов
Верно ли то, что в евклидовом пространстве невозможно существование двух симметричных друг другу множеств?
(1) да, это верно
(2) нет, это ошибочно
(3) это ошибочно только для иррациональных идентификаторов
Верно ли то, что использование булевой функции в качестве классификатора невозможно?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для гиперскалярных поверхностей
Имеется множество прецедентов. Может ли каждый из них иметь поле притяжения?
(1) нет, могут только лидеры
(2) нет, прецеденты не имеют поля притяжения вообще
(3) да, может
Верно ли то, что основой байесовского метода являются статистические наблюдения?
(1) да, это верно
(2) нет, это неверно
(3) это верно для эквипотенциальных множеств
Какие из предложенных ниже элементов могут быть использованы в виде эталонов?
(1) элементы аналитической геометрии
(2) элементы статистической теории
(3) слова, произносимые человеком
Из предложенных ниже записей выберите те, от которых зависит выбор класса, к которому следует отнести вектор:
(1) значения других векторов
(2) существующие отношения между различными классами
(3) собственное значение вектора
Для чего предназначено распознавание образов?
(1) для классификации объектов
(2) для векторной интерполяции
(3) для идентификации трехмерной графики
В чем суть выбора признаков?
(1) в выделении признаков, которые приводят к большим расстояниям между классами и к малым внутри классов
(2) в аппроксимации интегрированных признаков
(3) в статической или динамической замене контекста вывода признаков
Верно ли то, что если действительная матрица является унитарной, то она является ортогональной?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в комплексном поле
Пусть f(x,a) - класс дискриминантных функций, где aªA - параметр. Верно ли то, что число степеней свободы при выборе конкретной функции в классе определяется размерностью A?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в комплексном поле
Какое правило принято называть байесовским?
(1) правило классификации по максимуму апостериорной вероятности
(2) правило классификации по минимуму апостериорной вероятности
(3) правило классификации по среднему значению апостериорной вероятности
Из приведенных ниже записей выделите составляющие части линейной дискриминантной функции:
(1) порог
(2) весовой вектор
(3) априорный идентификатор
В евклидовом пространстве существуют два симметричных друг другу множества. Могут ли они быть разделены гиперплоскостью?
(1) да, могут
(2) нет, не могут
(3) все зависит от типа множеств
Каково значение or(x1, x2), если x1=0, а x2=1?
(1) 0
(2) 1
(3) не определено
Верно ли то, что каждая точка в пространстве признаков образует поле притяжения?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для гиперскалярных множеств
Верно ли то, что в основе байесовского метода лежит предположение о существовании вероятностной меры на пространстве образов, которая либо известна, либо может быть оценена?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для комплексного поля
Верно ли то, что в качестве эталона при использовании машинного зрения могут служить силуэты объектов в сцене?
(1) да, это верно
(2) нет, это неверно
(3) это верно только при статическом анализе
Когда может возникнуть необходимость выбора класса, к которому следует отнести вектор?
(1) при распознавании речи
(2) при обработке изображений
(3) при интерполировании графических данных
Для чего используется понятие прецедента при распознавании образов?
(1) для статической растеризации
(2) для классификации объектов
(3) для идентификации трехмерной графики
Как настройка классификатора зависит от количества степеней свободы?
(1) чем больше степеней свободы, тем легче настроить классификатор
(2) чем меньше степеней свободы, тем легче настроить классификатор
(3) настройка классификатора не зависит от количества степеней свободы
Верно ли то, что базисные вектора между собой ортогональны?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для комплексного поля
Сколько степеней свободы имеет линейная дискриминантная функция с 10 элементами?
(1) 10
(2) 11
(3) 9
Пусть считается, что данных для определения вероятности принадлежности объекта каждому из классов достаточно. Тогда такие вероятности носят название
(1) градиентные
(2) априорные
(3) интерполяционные
Верно ли то, что в двумерных задачах образы представляются точками на плоскости?
(1) да, это верно
(2) нет, они представляются векторами связи
(3) нет, они представляются матрицами остатков
Разделяющую гиперплоскость при определенных условиях приняли за оптимальную. Возможно ли это?
(1) нет, это исключено
(2) да, возможно
(3) возможно только для эквипотенциальной плоскости
Каково значение функции xor(x1, x2), если x1=1 и x2=1?
(1) 1
(2) 0
(3) не определено
Верно ли то, что невозможно отыскать дискриминантную функцию по обучающей последовательности?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для гиперскалярных и эквипотенциальных полей
Верно ли то, что цель байесовского метода состоит в разработке такого классификатора, который будет правильно определять наиболее вероятный класс для пробного образа?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для априорных множеств
Можно ли определить совпадение порядка букв, как критерий, применяемый при определении меры близости при рассмотрении строчных образов?
(1) да, можно
(2) нет, нельзя
(3) только для близких по значению слов
Как называется классификация векторов при обработке изображений?
(1) интегрально-аппроксимационная
(2) факториально-специфическая
(3) контекстно-зависимая
По своей сути прецедент является
(1) идентификатором
(2) образом
(3) текстурой
Какие из предложенных ниже записей следует относить к типам селекции признаков?
(1) векторная селекция
(2) скалярная селекция
(3) модульная селекция
Преобразование Карунена-Лоева приводит к построению
(1) некоррелированных признаков
(2) терминальных элементов
(3) факторизационных зависимостей
Сколько степеней свободы имеет квадратичная дискриминантная функция с 3 элементами?
(1) 8
(2) 12
(3) 13
В том случае, когда цена ошибок различного типа существенно различается, принято использовать
(1) вероятность ошибки классификации
(2) минимум среднего риска
(3) метод градиентного спуска
Верно ли то, что множество, содержащее отрезок, соединяющий две произвольные внутренние точки, называется вогнутым?
(1) да, это верно
(2) нет, это неверно
(3) это верно только тогда, когда отрезок лежит в комплексной плоскости
Верно ли то, что если два симметричных друг другу множества разделены гиперплоскостью, то оптимальная разделяющая гиперплоскость существует, но не единственна, так как имеет "двойника"?
(1) да, это верно
(2) нет, это неверно
(3) верно, что такая плоскость существует, но она единственна
Верно ли утверждение, что каждый нейрон задает гиперплоскость, которая разделяет пространство пополам?
(1) да, это верно
(2) нет, это ошибочно
(3) это верно только для гиперкубических поверхностей
Применялся "наивный" метод потенциальных функций с соизмеримыми функциями. Верно ли то, что это может привести к погружению одних точек в другие?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в случае с эквипотенциальными функциями
Верно ли то, что основная задача байесовского метода состоит определении наиболее вероятного класса?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для эквипотенциальных полей
Верно ли то, что соответствие между символами эталона и пробного образца должно быть двудольным графом?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для сравнительно несложных эталонов
Верно ли то, что в основе контекстно-зависимой классификации лежит понятие байесовского классификатора?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для структурных векторов
Из предложенных ниже записей выделите интеллектуальные системы, в которых применяется задача распознавания образов:
(1) машинное зрение
(2) символьное распознавание
(3) динамическая интерпретация трехмерных объектов
Точки, лежащие "очень далеко" от среднего значения, носят название
(1) выбросы
(2) терминалы
(3) допуски
Подпространство главных собственных значений
(1) не может быть использовано для классификации
(2) может быть использовано для классификации
(3) не применяется для классификации
Верно ли то, что с увеличением степеней свободы способность классификатора по разделению уменьшается?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для комплексного поля
Возможно ли вычисление порога для минимальной вероятности ошибки?
(1) нет, не возможно
(2) да, возможно
(3) возможно только для средневзвешенных остатков
Верно ли то, что минимальное выпуклое множество, содержащее данное, принято называть выпуклой оболочкой?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для иррациональных коэффициентов
Верно ли то, что максимум функции П(ϕ) не может быть достигнут внутри сферы?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в комплексной плоскости
Верно ли то, что скрытый слой нейронов делит пространство на икосаэдры?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в комплексной плоскости
Верно ли то, что для бесконечного ряда при применении общей рекуррентной процедуры необходимой является поточечная сходимость?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для гиперпотенциальных полей
Всегда ли разрешима теоретико-множественная задача?
(1) да, всегда
(2) нет, не всегда
(3) разрешима только тогда, когда множество является гипермодальным
Какие из приведенных ниже утверждений соответствуют свойствам графа соответствия между символами эталона и пробного образца?
(1) этот граф должен быть двудольным
(2) у него не должно быть изолированных вершин
(3) его ребра не должны пересекаться
Имеет ли значение последовательность организации классификации векторов?
(1) нет, не имеет
(2) да, имеет
(3) имеет только для гиперскалярных векторов
Символьное распознавание - это распознавание
(1) букв
(2) цифр
(3) двумерных объектов
Если значения признаков отличаются существенно, гипотеза носит название?
(1) нуль-гипотеза
(2) альтернативная гипотеза
(3) импликативная гипотеза
Базисными векторами унитарной симметрической матрицы являются
(1) столбцы матрицы
(2) строки матрицы
(3) диагонали матрицы
Верно ли то, что прецеденты не могут быть результатами реализации случайных величин?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для аддитивных полей
Существует ли возможность нахождения среднего риска в двухклассовой задаче при наличии матрицы потерь?
(1) да, существует
(2) нет, это исключено
(3) это возможно только при градиентном спуске
Выпуклые оболочки двух множеств на плоскости пересекаются. Такие множества считаются линейно разделимыми. Верно ли такое утверждение?
(1) да, верно
(2) нет, ошибочно
(3) верно только при скалярных градиентах
Единственен ли максимум функции П(ϕ)?
(1) да, единственен
(2) нет, не единственен
(3) единственен только для иррациональных градиентов
Верно ли утверждение, что выходной нейрон производит сечение гиперкуба, полученного в скрытом слое?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в иррациональном поле
Является ли система тригонометрических функций полной системой функций?
(1) да, является
(2) нет, не является
(3) не определено
Верно ли то, что основная идея комитетного метода состоит в использовании нескольких классификаторов?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для унимодальных множеств
Какие ошибки могут возникать при решении задачи сравнения цепочек упорядоченных символов?
(1) ошибка потери
(2) ошибка стаффинга
(3) ошибка вставки
Верно ли то, что вектор признаков принято называть наблюдением?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для прецедентов
Для чего может применяться распознавание образов?
(1) распознавание в дактилоскопии
(2) распознавание речи
(3) распознавание подписи
При больших дисперсиях признак становится
(1) аддитивным
(2) неудовлетворительным
(3) импликативным
В чем преимущество дискретного косинусного преобразования?
(1) в хорошем приближении
(2) в наличии статических идентификаторов
(3) в увеличении контекстности образов
От каких из предложенных ниже записей не зависит средний риск?
(1) от количества степеней свободы
(2) от вектора признаков
(3) от динамических анализаторов
Вероятности ошибки по отношению к разделению пространства признаков на M областей являются
(1) априорными
(2) детерминантными
(3) эквивалентными
Могут ли совпадать размерность вектора признаков и вектора коэффициентов?
(1) да, могут
(2) нет, не могут
(3) могут только в комплексной плоскости
Верно ли то, что выпуклые оболочки симметричных друг другу множеств, разделенных гиперплоскостью, не существуют?
(1) да, это верно
(2) нет, это не верно
(3) это неверно только для унимодальных множеств
Верно ли то, что выходной нейрон может реализовывать бесконечное количество гиперплоскостей?
(1) да, это верно
(2) нет, только одну
(3) нет, только пару
Какой считается система тригонометрических функций?
(1) детерминантной
(2) ортогональной
(3) эквипотенциальной
Верно ли то, что комитет для несовместной системы не существует?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только на иррациональном поле
Верно ли то, что минимальное общее число изменений, вставок и потерь, требуемое для изменения образа A в образ B носит название редакторское расстояние?
(1) да, это верно
(2) нет, это ошибочно
(3) это верно только для непечатных символов
Применимо ли правило Марковской цепи для описания зависимости классов?
(1) да, применимо
(2) нет, не применимо
(3) применимо только для детерминантных классов
Некоторое количественное измерение объекта произвольной природы носит название
(1) габарит
(2) детерминант
(3) признак
К способам описания меры отделимости следует относить
(1) дивергенцию
(2) импликацию
(3) матрицу рассеивания
К действиям, которые могут применяться при матриц преобразования Адамара и Хаара, следует относить
(1) сложение
(2) умножение
(3) возведение в степень
Из перечисленных ниже элементов выберите те, от которых не зависит эмпирический риск:
(1) число прецедентов
(2) вероятность выхода из базиса
(3) значение детерминанта
Для определения многомерной плотности нормального распределения используют
(1) математическое ожидание случайной величины
(2) матрицу ковариации
(3) статический идентификатор относительного градиентного сдвига
Существует множество X. Множество -X по отношению к данному множеству является
(1) противоположным
(2) симметричным
(3) эквипотенциальным
Верно ли то, что евклидово расстояние между парой ближайших точек в выпуклых оболочках симметричных друг другу множеств, разделенных гиперплоскостью невозможно определить?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для иррационального поля
Поскольку с каждым полиэдром связаны образы одного класса, то с каждой вершиной гиперкуба
(1) связан лишь один класс
(2) связана пара классов
(3) связано бесконечное количество классов
Может ли обучающая последовательность быть выборкой конечного объема из пространства признаков?
(1) да, может
(2) нет, это исключено
(3) может только для комплексного поля
Возможно ли существование разделяющего комитета в классе аффинных функционалов?
(1) нет, невозможно
(2) да, возможно
(3) возможно только в комплексном поле
Какие из предложенных ниже записей применяются для определения редакторского расстояния?
(1) потери
(2) вставки
(3) идентификации
В последовательности классов наблюдения
(1) статистически независимы
(2) контекстно обусловлены
(3) терминально определены
Правило отнесения образа к одному из классов на основании его вектора признаков носит название
(1) решающее правило
(2) идентификационное правило
(3) детерминированное правило
Главный недостаток многих критериев отделимости классов - это
(1) сложность вычисления
(2) недостаточность определений
(3) импликативность детерминантов
Применяется ли кронекерово произведение для формирования унитарной матрицы Адамара?
(1) да, применяется
(2) нет, не применяется
(3) применяется только для аддитивных матриц
Какие из предложенных ниже элементов не входят в неравенство Бернштейна?
(1) статические анализаторы
(2) математическое ожидание ошибки классификатора
(3) обратные детерминанты
Может ли коническое сечение являться разделяющей поверхностью?
(1) только на комплексной плоскости
(2) да, может
(3) нет, это исключение
Верно ли то, что если выпуклая оболочка объединения множеств X1 и -X2 не содержит начала координат, то множества X1 и X2 являются разделимыми?
(1) нет, это неверно
(2) да, это верно
(3) это верно только для комплексной плоскости
Верно ли то, что разделяющая гиперплоскость по отношению к отрезку, соединяющему ближайшие точки выпуклых оболочек симметричных друг другу множеств, является унимодальной?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для статических градиентов
Число вершин в гиперкубе равно 16. Чему равно число нейронов второго слоя?
(1) 4
(2) 8
(3) 16
Верно ли то, что сходимость в вероятностном смысле может определяться с вероятностью равной 1?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для эквивалентных полей
Направляющий вектор гиперплоскости по отношению к своему прецеденту является
(1) априорным
(2) ортогональным
(3) импликативным
Как принято называть вершины контуров?
(1) узлы
(2) идентификаторы
(3) маркеры
Верно ли то, что функция плотности вероятностей в одном классе зависит от других классов?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для комплексного поля
Выбор решающего правила, по которому на основании вектора признаков осуществляется отнесение объекта к тому или иному классу, называется
(1) задача построения классификатора
(2) задача селекции признаков
(3) задача статической классификации
Стратегия называется "жадной", если она
(1) исключает применение идентификаторов
(2) не допускает шагов возврата
(3) зависит от вектора определенийл
К параметрам цифрового изображения следует отнести
(1) число градаций
(2) интенсивность
(3) глубину
Верно ли то, что биекция - это разбиение множества на два подмножества?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в комплексном поле
Применима ли евклидова норма для линейной поверхности решения с диагональной матрицей ковариации?
(1) да, применима
(2) нет, не применима
(3) применима только для иррациональных коэффициентов
К составляющим частям обобщенной схемы нейрона следует отнестия
(1) компоненты вектора признаков
(2) функцию активации
(3) порог
Верно ли то, что задача поиска пары ближайших точек может быть приведена к задаче квадратичного программирования?
(1) да, это верно
(2) нет, это невозможно
(3) это возможно только на комплексном поле
Число нейронов второго слоя
(1) больше числа вершин гиперкуба
(2) меньше числа вершин гиперкуба
(3) равно числу вершин гиперкуба
Верно ли то, что точки из обучающей последовательности являются независимыми случайными величинами?
(1) да, это верно
(2) нет, это неверно
(3) это верно только при их принадлежности комплексному полю
Верно ли то, что существует разделяющий комитет аффинных функционалов, состоящий из не более чем m членов при нечетном m?
(1) да, это верно
(2) нет, это неверно
(3) это верно только в унимодальной плоскости
Каковы основные направления обработки речи?
(1) CDR
(2) HFS
(3) CSR
Что такое HMM?
(1) метод аппроксимации
(2) скрытые Марковские модели
(3) статическая детерминация
Если имеется множество векторов признаков, полученных для некоторого набора образов, но правильная классификация этих образов неизвестна, возникает задача
(1) детерминизации
(2) кластеризации
(3) идентификации
К формам использования критериев (мер отделимости классов) следует относить?
(1) пассивную
(2) активную
(3) детективную
Внутри региона значения интенсивностей описываются
(1) по-разному
(2) одинаково
(3) как одинаково, так и по-разному
Верно ли то, что проверка условия критерия равномерной сходимости по вероятности затрудняется неопределенностью распределения выборки?
(1) нет, это неверно
(2) да, это верно
(3) это верно только для иррационального поля
Верно ли то, что существование равновероятных классов с одинаковой матрицей ковариации исключено?
(1) да, это верно
(2) нет, это неверно
(3) это является исключением только для иррациональных коэффициентов
Если сумма выхода сумматора и порога больше нуля, то функция активации равна
(1) 1
(2) 2
(3) 4
Количество ограничений в задаче квадратичного программирования равняется
(1) 2
(2) 4
(3) 8
Каким образом может быть осуществлено построение нейронной сети-классификатора?
(1) варьированием архитектуры
(2) подборкой весов и порогов
(3) идентификацией средневзвешенных остатков
Верно ли то, что плотность всех точек обучающей последовательности одинакова?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для эквипотенциальных полей
Верно ли то, что число гиперплоскостей, достаточное для разделения любых точечных множеств точек общего положения неопределимо?
(1) да, это верно
(2) нет, это неверно
(3) это неверно только для иррационального поля
Какие из предложенных ниже записей соответствуют направлениям обработки речи?
(1) распознавание символов
(2) распознавание отдельных слов
(3) распознавание слитной речи
Где особо эффективно применяются HMM?
(1) в распознавании образов
(2) в распознавании речи
(3) в распознавании символов
Качество решающего правила измеряют
(1) частотой появления правильных решений
(2) наличием графических несоответствий
(3) количеством идентификаторов
Если матрица положительно определенная, то
(1) все её собственные значения положительны
(2) если матрица симметричная, то все собственные вектора, соответствующие разным собственным значениям, ортогональны
(3) её идентификаторы нулевые
Кодирование (запоминание) последовательности поворота вектора по пикселям на границе описываемой области носит название
(1) цепной код
(2) стаффинг-код
(3) код спецификатора
Если емкость класса решающих функций бесконечна, то оценка
(1) аддитивная
(2) коммуникативная
(3) тривиальная
Существует ли классификатор по минимуму расстояния с недиагональной матрицей ковариации?
(1) да, существует
(2) нет, это исключение
(3) существует только для иррациональных коэффициентов
Процесс обучения заканчивается, когда нейрон правильно классифицирует
(1) все признаки
(2) все атрибуты
(3) все прецеденты
Для нахождения наименьшего расстояния между симметричными множествами используют
(1) метод Хаффмана
(2) алгоритм Гаусса-Зейделя
(3) теорему Чевы
Верно ли то, что аргумент функции активации нейрона принимает значения в зависимости от индекса прецедента?
(1) да, это верно
(2) нет, это неверно
(3) это верно только для гиперскалярных плоскостей
Используется ли полином Эрмита в методе потенциальных функций?
(1) нет, не используется
(2) да, используется
(3) используется только при комплексных коэффициентах
Возможно ли пересечение гиперплоскости с кривой?
(1) да, возможноа
(2) нет, это исключено
(3) это неизвестно
Задача поиска кратчайшего пути на графе может быть решена методом
(1) динамического программирования
(2) статической идентификации
(3) априорной детерминации
Статистические свойства речевого сигнала внутри высказывания
(1) детерминируются
(2) аппроксимируются
(3) подвергаются серии переходов