Главная / Искусственный интеллект и робототехника / Введение в нейронные сети

Введение в нейронные сети - ответы на тесты Интуит

Правильные ответы выделены зелёным цветом.
Все ответы: На основе положений математической логики событий исследуются нейронные сети, имитирующие механизмы работы мозга. Эти механизмы реализуют операции вывода по "нечеткой" логике в составе систем искусственного интеллекта - распознавания, управления и принятия решений - во всех областях человеческой деятельности. Рассмотрение многих примеров демонстрирует простейший подход к построению и развитию обученных нейронных сетей "под задачу", а также трассировку – обучение при заданной структуре сети.

Воспользуйтесь приведенной ниже логической нейронной сетью Антрополога-Исследователя. Выберите функцию активации: math

, 0 – в противном случае, h = 0,5. files

Положите веса связей равными обратной величине количества входов нейрона. Максимально возбудите нейрон Х, соответствующий одному из жителей села. Проанализируйте "ответ" нейронной сети. Х = Иван.

(1) максимально (V = 1) возбуждается нейрон, указывающий на то, что Иван – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Ивана

(2) максимально (V = 1) возбуждается нейрон, указывающий на то, что Иван – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на все родственные связи Ивана

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Ивана

В результате обследования больного врач ставит диагноз и выбирает стратегию (курс) лечения. Пытаясь формализовать и частично автоматизировать свои действия – для эффективного и безошибочного использования опыта и знаний, - он пытается построить для себя и, возможно, для коллег информационно-справочную БЗ, систему принятия решений. Он понимает, что автоматизация возможна только на основе механизмов логической нейронной сети, наблюдаемых им при выполнении сложных мыслительных действий.

Предполагается, что на основе серии анализов измеряются значения ряда факторов. По совокупному рассмотрению этих значений принимается решение о той или иной стратегии или о курсе лечения. Система принятия решений должна быть полной, к сожалению, в пределах существующего опыта и уровня знаний, и непротиворечивой. Постройте логическую нейронную сеть, реализующую систему принятия решений по ее логическому описанию.

ЕСЛИ <значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (36,7 – 38,2] > И

< значение фактора 3 принадлежит диапазону (140 – 160] > И

< значение фактора 4 принадлежит диапазону [60 – 80) > ТО

< следует поставить диагноз 1 и назначить стратегию лечения 1 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону (1 - 8] > И

< значение фактора 2 принадлежит диапазону (38,2 – 40) > И

< значение фактора 3 принадлежит диапазону [100 – 140] > И

< значение фактора 4 принадлежит диапазону [40 – 60) > ТО

< следует поставить диагноз 2 и назначить стратегию лечения 2 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону (1 - 8] > И

< значение фактора 2 принадлежит диапазону [40 – 42] > И

< значение фактора 3 принадлежит диапазону [60 – 100) > И

< значение фактора 4 принадлежит диапазону [30 – 40) > ТО

< следует поставить диагноз 3 и назначить стратегию лечения 3 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (38,2 – 40) > И

< значение фактора 3 принадлежит диапазону (160 – 200] > И

< значение фактора 4 принадлежит диапазону [80 – 120] > ТО

< следует поставить диагноз 4 и назначить стратегию лечения 4 >;

(1)

(2)

(3)

На изображенном объекте – "мордочке" обозначены невидимые "мышцы". Достаточны ли они для выражения чувств объекта? Проанализируйте попытку выразить радость. files

(1) пожалуй, достаточно

(2) нет механизма движения ушами

(3) движение глаз ограничено

Ответьте на вопросы принципиального характера. Что лежит в основе формирования однослойных, тем более, - совершенных, нейронных сетей, отображающих явное задание таблиц с автоматической интерполяцией?

(1) возможность представления каждой логической функции в описании системы принятия решений дизъюнктивной нормальной формой, представляющей собой объединение переменных, связанных операцией И (конъюнкций), операцией ИЛИ (в дизъюнкцию). Каждая конъюнкция в ней определяет решение

(2) возможность "размножения" решений, позволяющего в тексте каждого решения указывать дополнительную информацию, например, - о причине получения такого решения

(3) требование сокращения сложности трассировки нейронной сети и ее модификации

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Рассмотрите на уровне аванпроекта интеллектуальную систему охраны, надзора и персонального обслуживания клиентов. Укажите основные принципы, лежащие в основе системы распознавания "свой – чужой".

(1) факторное пространство событий представляет собой пространство признаков. Признаки характеризуют основные черты лица и фигуры: волосяной покров (цвет волос, наличие обширной или локализованной лысины, залысины, курчавость и др.), структура черепа (узкий, широкий, вытянутый, две макушки и т.д.), ширина и высота лба, основные характеристики глазной области и глаз, форма носа, губ, линии рта, подбородка. Общие расовые и национальные признаки также важны. Аналогично исследуются и основные соотношения размеров и объемов, связанных с фигурой. Все признаки должны быть классифицированы и градуированы.

(2) для определения "свой – чужой" достаточно распознавание лица производить с низкой точностью. Достаточно определить цвет кожи и выполнить анализ, подобно распознаванию букв: анализировать максимальную похожесть на основе эталонных контуров знакомых лиц с учетом допусков

(3) грубый анализ по общему контуру лица необходимо совмещать с анализом основных признаков, присущих лицу и фигуре: цвет кожи, форма и цвет глаз, структура волосяного покрова, в том числе, - на лице, форма носа и рта

По точно известным ситуациям, на основе 5 - 6 достоверных, т.е. "единичных", наборов данных, произведите верификацию всех вариантов выполнения системы принятия решений: "электронной" схемы, схемы на нечеткой логике, "многослойной" и однослойной нейронной сети. Каждый удовлетворительный результат анализа сопровождайте расчетом 2 - 3 (единых для всех способов построения СПР) вариантов нечеткого задания данных. Результаты должны совпасть. При задании возбуждения рецепторов следуйте принципу исчерпывающих множеств событий.

Запишите логические выражения, описывающие на экране, разбитом на клетки с координатами, букву А, как показано на рисунке. Учтите возможность ее допустимого искажения при изображении. files

(1)

(2)

(3)

Совокупность высказываний math

(1)

(2)

(3)

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Для построения системы принятия решений (СПР) предлагается нейронная сеть заданной структуры. В предположении, что для СПР достаточна однослойная нейронная сеть, составьте обобщенные эталоны для ее обучения (трассировки) по логическому описанию СПР.

math

(1)

math

(2)

math

(3)

math

Найдите предпочтительное решение по логической нейронной сети, представленной на рисунке, и по функции активации

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Сладко помечтать о возможном счастье >

(2)

= < Воскликнуть: " А ведь хорош! Но..." >

(3)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

Пусть в системе автоматического управления технологическим процессом по измеренным значениям вектора двух характеристик math

Рассчитайте приближенное значение компонент вектора Y для измеренных компонент вектора Х, считая, что math

слабо зависит от math

, а

слабо зависит от math

(1) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

(2) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

(3) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

Корректно составленная система принятия решений с обратными связями должна быть устойчивой по отношению к исходным предположениям. Это означает, что при любых исходных предположениях – их достоверности или весовых оценках – должны однозначно получаться окончательные, точные значения оценок этих предположений. Ниже приведен рисунок. В дополнение к расчетам, проведенным в Лекции, установите, зависят ли уточненные предположения о происхождении человека от предположения, принятого первоначально? files

Функция активации i-го нейрона определяется: math

if\ V > h\ then\ if\ V < 1\ then\ V\ else\ 1\ else\ 0, h = 0,1.

Положите

(1) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

. Система не устойчива по отношению к начальным предположениям, т.к. для других исходных данных был получен другой результат.

(2) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

. Система не устойчива по отношению к начальным предположениям, т.к. для других исходных данных был получен другой результат

(3) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

. Система не устойчива по отношению к начальным предположениям

Экспертный Совет выделил четыре показателя для банковского мониторинга:

– собственный капитал;

– вклады населения;

– объем вложений в культурные программы ЮНЕСКО;

– объем прибыли.

Тогда каждому банку В соответствует вектор его показателей B( math ), лежащий в основе его рейтинга. Рейтинг банка может быть: math – высокий, math – средний, math – низкий.

Спроектируйте экран со скрытой координатной сеткой. Выделите области отображения каждого значения рейтинга, выполняя требования наглядности и эстетики. Расположите по Вашему усмотрению точки, соответствующие банкам из приведенного списка в соответствии с их рейтингом. Запомните координаты каждой точки, соответствующие банку. Известен рейтинг ряда крупных международных банков на основе их показателей:

math

(1)

(2)

(3)

Используя приведенные ниже рисунки транспортной сети, и соответствующей ей неполностью заданной нейронной сети, рассчитайте маршруты следования из центрального пункта по заданным координатам пункта назначения. Воспользуйтесь функцией активации: math

Координаты пункта назначения (50, -150).

(1) маршрут выполняется за два шага: math

(2) маршрут выполняется за один шаг math

. Дальнейшему продвижению нейросеть обучена неправильно

(3) маршрут не достигает намеченного пункта

Воспользуйтесь приведенной ниже логической нейронной сетью Участкового Уполномоченного и функцией активации: math

, 0 – в противном случае, h = 0,5. files

(1) максимально (V = 1) возбуждается нейрон, указывающий на то, что Иван – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на все родственные связи Ивана

(2) максимально (V = 1) возбуждается нейрон, указывающий на то, что Иван – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Ивана

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Ивана

Логическая нейронная сеть, отображающая информационно-справочную систему, изображена на рисунке. files

Функция активации находится, как math

если эта сумма превышает порог h = 0,5, и V равно нулю в противном случае. Найдите оптимальную стратегию лечения для измеренных значений факторов. Значение фактора 1 math

, значение фактора 2 math

, аналогично math

(1) задается возбуждение рецепторов: math

. Остальные значения рецепторов – нулевые. Ни один нейрон не возбудился

(2) задается возбуждение рецепторов: math

. Остальные значения рецепторов – нулевые. Тогда math

, что указывает на целесообразность выполнения стратегии лечения 1

(3) задается возбуждение рецепторов: math

. Остальные значения рецепторов – нулевые. Тогда math

, что указывает на целесообразность выполнения стратегии лечения 1

На изображенном объекте-"чудище" обозначены невидимые шарнирно-мышечные соединения. Достаточны ли они для выражения жестов и эмоций? Проанализируйте жест радостного приветствия и восторга. files

(1) при выбранных ограничениях выглядит неубедительно

(2) вполне достаточно средств вращения. Впечатление приветствия образуется, хотя непонятно, как кисть оказалась вывернутой

(3) положение туловища и "рук" мало отличается от исходного

По логическому описанию СПР составьте описания однослойных логических нейронных сетей. Возможно ли построение по полученному описанию совершенной логической сети? Логическое описание СПР:

math

(1)

math

Не выполняется требование непротиворечивости логического описания СПР. (Противоречивые логические выражения отмечены.) Нейронная сеть вырабатывает неоднозначные решения

(2) построить совершенную нейросеть нельзя из-за различного количества переменных, участвующих в логических выражениях

(3) совершенная нейронная сеть может быть построена с помощью введения фиктивных переменных

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Представьте основные соображения по организации факторного пространства для выполнения главных функций реагирующих объектов. Реагирующий объект входит в "штат" системы обслуживания туристов в парке фантасмагорий.

(1) факторное пространство формируется на основе следующих признаков: общее цветовое преобладание в секторе обзора, цветовое преобладание в частных телесных углах, наличие особых цветовых пятен (возможно, - человеческих лиц), средняя скорость перемещения пятен во всем секторе обзора, скорость перемещения отдельных пятен агрессивной окраски и др. Реакция объекта заключается в угрожающем поднятии лапы, в рычании, резком устремлении вперед, в радостном кивании головы, в вилянии хвостом и т.д

(2) факторное пространство формируется на основе следующих признаков: общее цветовое преобладание в секторе обзора, цветовое преобладание в частных телесных углах, наличие особых цветовых пятен (возможно, - человеческих лиц), средняя скорость перемещения пятен во всем секторе обзора, скорость перемещения отдельных пятен агрессивной окраски, деформация контуров пятен и др. Реакция объекта заключается в поднятии лап, в рычании, резком устремлении вперед, в радостном кивании головы, в вилянии хвостом, в выпучивании глаз, в открытии и закрытии рта и т.д

(3) факторное пространство формируется на основе многих признаков, но реакция реагирующего объекта заключается в погоне за объектом, вызвавшим раздражение, или в раздаче конфет и пряников

Клетки экрана, заданные координатами, соответствуют рецепторам, величина возбуждения которых принадлежит отрезку [0, 1]. Функция активации math

представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Таким образом, эталон буквы, по которому производится обучение, изображается возбуждением рецепторов внутри этого эталона с учетом возможных искажений. Выберите порог распознавания math

и веса связей так, чтобы суммарное возбуждение нейрона выходного слоя при предъявлении эталона равнялось math

. Научите" однослойную нейронную сеть распознавать букву А.

(1)

(2)

(3)

Отобразите деревом логических возможностей факторное пространство для планирования мероприятий пансионата "Ветеран Труда". Факторное пространство использования летнего спортивного инвентаря:

(1)

(2)

(3)

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети,

(1) структура нейронной сети задана корректно

(2) необходимо дополнить нейронную сеть связями math

(3) необходимо дополнить нейронную сеть связями math

По логической нейронной сети, представленной на рисунке, рассчитайте предпочтительное решение. Функция активации:

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

(2)

= < Сладко помечтать о возможном счастье >

(3)

= < Воскликнуть: " А ведь хорош! Но..." >

По таблице files

рассчитайте приближенное значение (игнорируя математическое обоснование) компонент вектора Y для измеренного вектора Х с помощью расстояния между точками, "участвующими" в проводимой интерполяции по формуле

math

Х = {4,6; 2,4}.

(1) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

(2) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

(3) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

Ниже приведен рисунок. В дополнение к расчетам, проведенным в Лекции, установите, зависят ли уточненные предположения о происхождении человека от предположения, принятого первоначально? files

Функция активации i-го нейрона определяется: math

. Примите значения порогов: h = 0 для нейронов 1 – 5 и h = 0,3 для нейронов 6 – 10. Проведите расчет возбуждения нейронов. Положите math

(1) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

(2) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

(3) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

Экран, связанный с декартовой системой координат Oxy*, затрудняет интерполяцию (в частности, необходимую при решении настоящей задачи). А именно, найденная на основе усреднения координата двух точек, принадлежащих некоторому, предположим, низкому, рейтингу, может оказаться между этими точками и принадлежать области высокого рейтинга. Для облегчения интерполяции целесообразно в качестве рабочей системы использовать сферическую систему координат Or math , в которой math , math . Общий центр О этих двух систем координат является центром экрана. Тогда области одинакового рейтинга ограничены сферическими окружностями.

Для согласования с размером экрана необходимо произвести преобразование координаты y*: math , где math – отношение сторон экрана. Это приведет к "сплющиванию" изображения областей рейтинга согласно требованиям эстетики и удобств восприятия.

Расположите по Вашему усмотрению точки, соответствующие банкам, списка в соответствии с их рейтингом. Запомните сферические координаты каждой точки-банка.

Точки-банки в декартовой системе координат: math .

(1)

(2)

(3)

Усовершенствуйте нейронную сеть, дополнив ее возможностью связи между некоторыми пунктами, находящимися в разных секторах. Если это невозможно, исследуйте причину и рассмотрите возможность применения общего подхода, отображенного на приведенном ниже рисунке. files

Научите нейросеть, как из пункта 6 попасть в пункт 12. (Примечание: достаточно научить нейросеть возвращению в пункт 0.)

(1)

(2)

(3) на основе анализа знаков разностей координат возможно перемещение лишь внутри сектора. Для перехода в другой сектор следует анализировать значение разностей координат, как это рассматривается в общем случае на рисунке. Лишь тогда может появиться информация о необходимости возвращения в пункт 0

, 0 – в противном случае, h = 0,25. files

(1) максимально (V = 1) возбуждается нейрон, указывающий на то, что Иван – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Ивана. Со значением 0,25 возбуждаются все нейроны, указывающие на косвенное родство

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Ивана

Найдите оптимальную стратегию лечения для приведенной на рисунке логической нейронной сети по некоторым нечетким данным, определяемым "на-глазок" лечащим врачом. files

Функция активации находится, как math

если эта сумма превышает порог h = 0,5, и V равно нулю в противном случае. math

(1) максимально возбуждается нейрон, рекомендующий стратегию 2

(2) нет нейрона, возбуждение которого превышает порог. Необходим консилиум

(3) максимально возбуждается нейрон, рекомендующий стратегию 4

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Выделите те параметры ситуации (события факторного пространства), которые могли бы явиться источником эмоционального воздействия на реагирующий объект. Исследуйте механизмы возможной реакции искусственного живого существа на зрителей и туристов.

(1) общее световое и цветовое преобладание в секторе обзора, наличие и количественный диапазон светлых пятен (лиц), расположение цветных пятен, характер контуров – границ этих пятен, скорость перемещения пятен, наличие быстро перемещающихся пятен в совокупности с ростом их размера и т.д

(2) общее или дифференцированное (по телесным углам) цветовое преобладание в секторе обзора

(3) количество и угрожающая скорость перемещения светлых пятен лиц, а также других цветных пятен в секторе обзора

Можно ли по логическому описанию СПР построить логическую нейронную сеть, пригодную для практического применения? Логическое описание СПР:

math

(1) описание не удовлетворяет требованию непротиворечивости. Отсутствие информации о "физическом смысле" системы не позволяет судить об исчерпывающих множествах событий, образующих факторное пространство. Это не позволяет установить полноту логического описания и не способствует уверенности в корректности сформулированных вопросов к сети

(2) можно, исходя из требований к точности и правдоподобию ответов

(3) нельзя, так как описание не удовлетворяет требованию непротиворечивости

(1) на экране монитора должен находиться КОМПИ. В углу должен располагаться экран, на котором КОМПИ показываются: контурные рисунки, выполненные с помощью "мыши", введенные фотографии, картинки или рисунки, видеофильмы. Если предъявлен рисунок – эталон образа, КОМПИ предлагается запомнить его под именем в сопровождении оценки типа "хорошо – плохо" (съедобно – не съедобно, кисло – сладко и т.д.). При показе рисунка КОМПИ способен распознать его в эмоциональном сопровождении. Воспроизводятся элементы диалога по уточнению обучающей информации или в процессе распознавания

(2) на экране монитора должен находиться КОМПИ. В углу должен располагаться экран, на котором КОМПИ показываются: контурные рисунки, выполненные с помощью "мыши", введенные фотографии, картинки или рисунки. Если предъявлен рисунок – эталон образа, КОМПИ предлагается запомнить его под именем в сопровождении оценки типа "хорошо – плохо" (съедобно – не съедобно, кисло – сладко и т.д.). При показе рисунка КОМПИ способен распознать его в эмоциональном сопровождении. Воспроизводятся элементы диалога по уточнению обучающей информации или в процессе распознавания

(3) на экране монитора должен находиться КОМПИ. В углу должен располагаться экран, на котором КОМПИ показываются контурные рисунки, выполненные с помощью "мыши". Если предъявлен рисунок – эталон, КОМПИ предлагается запомнить его под именем в сопровождении оценки типа "хорошо – плохо" (съедобно – не съедобно, кисло – сладко и т.д.). При показе рисунка КОМПИ способен распознать его в эмоциональном сопровождении, сообщив его имя. Воспроизводятся элементы диалога по уточнению обучающей информации или в процессе распознавания

Нейронная сеть для обучения трем буквам, приведена на рисунке. files

представляет собой сумму величин возбуждения рецепторов, каждый из которых входит в область экрана, покрываемую эталоном буквы. Для порога распознавания math

определите, на какую букву более всего похож вариант возбуждения рецепторов? (1,1) = 0,9, (1,2) = 0, (1,3) = 0,9, (2,1) = 1, (2,2) = 0,1, (2,3) = 1, (3,1) = 0,8, (3,2) = 0,9, (3,3) = 1, (4,1) = 0,9, (4,2) = 0,1, (4,3) = 1, (5,1) = 0, (5,2) = 0,9, (5,3) = 0,1.

(1) это буква А

(2) это буква В

(3) это буква С

(4) это не похоже ни на одну из известных букв

Составьте систему принятия решений для весенне-летнего периода отдыха бабушки.

(1)

math = <выбор: прогулка пешком, на велосипеде, верховая езда, пляж, байдарка >;

math = <выбор: прогулка пешком, на велосипеде, верхом >;

math = <выбор: велосипед, верховая езда, пляж, байдарка >;

math = <сон >;

math = <выбор: сон, дискотека >;

(2)

math = <выбор: прогулка пешком, на велосипеде, верховая езда, пляж, байдарка >;

math = <выбор: прогулка пешком, на велосипеде, верхом >;

math = <выбор: велосипед, верховая езда, пляж, байдарка >;

math = <сон >;

math = <выбор: сон, дискотека >;

(3)

math = <выбор: прогулка пешком, на велосипеде, верхом >;

math = <выбор: прогулка пешком, на велосипеде >;

math = <выбор: велосипед, верховая езда, пляж, байдарка >;

math = <сон >;

math = <выбор: сон, дискотека >;

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Для выполнения алгоритма трассировки необходимо предварительно построить матрицу следования, отображающую все потенциальные статические пути возбуждения, ведущие от нейронов-рецепторов, "участвующих" в логическом выражении, к нейрону выходного слоя, соответствующего решению. Для логического выражения в описании СПР постройте матрицу следования для обучения первому эталону, предварительно введя транзитивные и дополнительные связи. Система логических выражений:

math

Матрица следования: files

(1)

(2)

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Воскликнуть: " Душечка!" >

(2)

= < Воскликнуть: " А ведь хорош! Но..." >

(3)

= < Сладко помечтать о возможном счастье с высоким брюнетом>

Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность math

измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор math

необходимых управляющих воздействий, составляющих ограниченное множество векторов: math

. Диапазон [0, 3] изменения переменных math

разбит на три интервала math

= [0, 1),

= [1, 2),

= [2, 3). По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип "размножения" решений.

math

(1)

(2)

(3)

Для приведенной на рисунке системы связей, для функции активации: math

(1) в пятом цикле "работы" нейросети установятся значения возбуждения: math

(2) нейронная сеть утверждает марсианское происхождение человека

(3) нейронная сеть отрицает учение Дарвина

Выберите по два диапазона возможной принадлежности показателей банка:

math

Постройте обученную совершенную логическую нейронную сеть, связав диапазоны принадлежности каждого эталонного банка со сферическими координатами точки, соответствующей этому банку на экране. Банки-эталоны и их рейтинг:

math

Точки – банки в сферической системе координат: math

(1)

(2)

(3)

Путешественник заблудился и лишь приблизительно знает пункт, из которого он вышел, а также приблизительно, по звездам, свои координаты. Помогите ему установить, недалеко от какого пункта он, скорее всего, находится. Нейронная сеть имеет вид: files

Приблизительные координаты путешественника – (-120, 140). Предположительно он вышел из пункта 1.

(1) так как math

, путешественник находится недалеко от пункта 5

(2) путешественник находится недалеко от пункта 7

(3) путешественник находится недалеко от пункта 6

Воспользуйтесь нейронной сетью Антрополога-Исследователя, представленной на рисунке, при функции активации: math

, 0 – в противном случае, h = 0,25. files

Максимально возбудите нейроны X и Y, соответствующие двум жителям села. Проанализируйте "ответы" нейросети. Х = Иван, Y = Василий.

(1) максимально (V = 1) возбуждаются нейроны, указывающие на то, что Иван и Василий – мужчины. Со значением 0,5 возбуждаются нейроны, указывающие на прямые родственные связи, в т.ч. что Иван – брат Василия (и наоборот). Со значением 0,25 возбуждаются нейроны, указывающие на косвенные родственные связи. Среди них связь Иван – брат Ирины (ибо есть подозрение, что только – сводный)

(2) максимально возбуждаются нейроны, указывающие на то, что Иван и Василий – мужчины

(3) максимально возбуждаются нейроны, указывающие на прямые и косвенные родственные связи Ивана и Василия

Для привилегированного больного разработана стратегия лечения 5, не совпадающая полностью с какой-либо рекомендуемой на основе текущего уровня знаний. Необходимо дополнить новым опытом базу знаний информационно-справочной системы, представленной логической нейронной сетью на рисунке. files

Опыт лечения привилегированного больного формально представлен логическим выражением:

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (36,7 – 38,2] > И

< значение фактора 3 равно 150 > И

< значение фактора 4 принадлежит диапазону [70 – 75) > ТО

< следует поставить диагноз 5 и назначить стратегию лечения 5 >;

(1)

(2)

(3)

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Выскажите свои соображения по непредсказуемому (альтернативному) развитию сюжета видеофильма на основе зрительского контингента и зрительской реакции. Какими интеллектуальными возможностями должен обладать современный кинозал для показа фильма с непредсказуемым (альтернативным) сюжетом?

(1) Средствами динамического контроля контингента и состояния публики: возрастного состава (в %), пола, интеллектуального уровня, выражающегося в шуме, топанье ногами, свисте, скабрезных шутках, громком неадекватном смехе, визге, перемещении по залу и пр.

(2) возможностью альтернативного выбора предусмотренного создателями сюжетного продолжения фильма с ближайшей "контрольной точки": включения "купюр", исключения (или включения) сцен насилия, сцен, опасных с точки зрения пропаганды наркотиков, откровенно сексуальных сцен и т.д

(3) кинозал должен обладать компьютерными средствами искусственного интеллекта для динамического контроля контингента и состояния публики: возрастного состава (в %), пола, интеллектуального уровня и социальной значимости

Постройте для бабушки совершенную логическую нейронную сеть для ее СПР, что откроет широкие возможности развития и модификации при реализации в ее нейрокомпьютере – записной книжке. Убедитесь в полноте и непротиворечивости полученной СПР. Логическое описание СПР:

= "Прогулка на велосипеде";

= "Шахматы";

= "Верховая езда";

= "Байдарка";

= "Дискотека";

= "Пешая прогулка".

(1)

math

Система полна и непротиворечива

(2)

math

Система противоречива

(3)

math

Система не полна

(1) логическая нейронная сеть способна заменить собой самый высококвалифицированный консилиум мировых светил, благодаря воплощению коллективного опыта, в том числе, - этих самых светил. На основе неполных и неточных данных о симптомах болезни, но на основе характера проявления, она запоминает дальнейшую стратегию диагностирования – до успешного получения результата. При этом нейронные сети способны образовывать длинные логические цепочки и обладать обратными связями

(2) при формировании запроса к логической нейронной сети указываются известные, возможно, неполные и неточные проявления болезни, такие, как температура, боль в горле и др. В результате первого цикла обработки нейросеть выдает рекомендацию о дальнейших действиях (анализах) для повышения степени определенности информации о болезни. Так, цикл за циклом, эта информация уточняется, и на основе отображенного в нейросети (постоянно уточняемого!) опыта квалифицированных специалистов устанавливается диагноз и необходимое лечение

(3) при формировании запроса к логической нейронной сети указываются известные, возможно, неполные и неточные проявления болезни, такие, как температура, боль в горле и др. Нейросеть выдает рекомендацию о дальнейших действиях (анализах) для повышения степени определенности информации о болезни. В соответствии с обратными связями, начальная информация уточняется, и на основе отображенного в нейросети (постоянно дополняемого!) опыта квалифицированных специалистов устанавливается диагноз и необходимое лечение

Пусть нейроны выходного слоя принадлежат коре. Между ними существуют взаимно подавляющие, отрицательные (с отрицательными весами, ингибидорные) связи, как показано на рисунке. files

Для локализации возбуждения единственного нейрона предположим, что в каждом такте работы нейросети каждый нейрон уменьшает величину возбуждения всех других нейронов на 0,1 величины собственного возбуждения. В свою очередь, он подвергается такому же воздействию со стороны других нейронов. Следовательно, нейрон, величина возбуждения которого максимальна, через несколько тактов подавит возбуждение других нейронов (величина их возбуждения станет ниже порога 0,8) и обретет четко выраженный сигнал возбуждения в ответ на поставленную задачу распознавания. Рассчитайте величины возбуждения нейронов, "отвечающих" за буквы А, В, С по заданным начальным значениям их возбуждения math

и определите, через сколько тактов значимой величиной возбуждения будет обладать единственный нейрон. После предъявления образа нейроны выходного слоя, соответствующие узнаваемым буквам, обрели значения возбуждения: math

(1) во втором такте формируются сигналы возбуждения: math

(2) во втором такте формируются сигналы возбуждения: math

(3) в третьем такте формируются сигналы возбуждения: math

(4) из-за исходной близости значений возбуждение всех нейронов становится нулевым

Для логического описания системы принятия решений составьте "электронную" схему такой системы.

math = <выбор: прогулка пешком, на велосипеде, верховая езда, пляж, байдарка >;

math = <выбор: прогулка пешком, на велосипеде, верхом >;

math = <выбор: велосипед, верховая езда, пляж, байдарка >;

math = <сон >;

math = <выбор: сон, дискотека >;

(1)

(2)

(3)

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Произведите трассировку нейронной сети, заданной матрицей следования. Не допускайте переиспользование нейронов. Для этого исключайте из рассмотрения те строки матрицы следования, в которые на предыдущих шагах были записаны единицы. Система логических выражений:

math

Матрица следования: files

(1)

(2)

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Воскликнуть: " Душечка!" >

(2)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

(3)

= < Сладко помечтать о возможном счастье с высоким брюнетом>

Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечетко заданным характеристикам. Передаточная функция имеет вид:

math , если math , 0-в противном случае; math ,

Нейронная сеть имеет вид: files

Достоверность предположения о принадлежности значений math

исследуемым интервалам равна:

math

(1)

(2)

(3)

Как показала жизнь, а также свидетельствует глубокое знание законов диалектики, ни одна из версий о происхождении человека не противоречит тем качествам, которые вызывают возмущение чеховского героя. И наоборот, каждое из этих качеств лишь укрепляет уверенность в правоте каждого предположения о происхождении человека. Данное утверждение лежит в основе предположения о следующей структуре нейронной сети, отображающей модель наших исследований. files

Выбрав функцию активации math

и положив

, рассчитайте установившиеся значения возбуждения нейронов, "отвечающих" за версии о происхождении человека, и определите устойчивость выводов нейронной сети по отношению к исходным предположениям. math

(1) установившееся во втором цикле "работы" нейросети значение math

свидетельствует об устойчивости и правомочности всех трех предположений о происхождении человека

(2) установившееся значение возбуждения нейронов в третьем цикле "работы" нейросети: math

(3) установившееся значение возбуждения нейронов в третьем цикле "работы" нейросети: math

Воспользуйтесь функцией активации:

math , если V > h, 0-в противном случае; h=0,5,

Для абсолютно достоверной информации math о показателях банка с помощью логической нейронной сети, построенной по соответствующему варианту задачи 3, найдите с помощью операции усреднения точку В отображения банка на экране. Каков рейтинг банка?

Нейронная сеть имеет вид: files

(1) Точка

, банк обладает средним рейтингом

(2) Точка

, банк обладает высоким рейтингом

(3) Точка

, банк обладает низким рейтингом

Свяжите сеть, состоящую из 4 населенных пунктов, маршрутами взаимного общения. Запомните маршруты с помощью логической нейронной сети, в которой отразите пункты отправления, пункты назначения и промежуточные пункты смещения. Сеть населенных пунктов имеет вид: files

(1)

(2)

(3)

На базе логической нейронной сети Антрополога-Исследователя, представленной на рисунке, и для функции активации: math

, 0 – в противном случае, h = 0,25. files

Уточните информацию о родственных связях по "подозрительному" возбуждению нейронов. Максимальное возбуждение рецепторов Иван = 1 и Василий = 1 привело к "подозрительному" возбуждению нейронов, использующих переменную Марья. В каком отношении находятся между собой все три лица?

(1) дополнительное максимальное возбуждение нейрона Марья приводит к максимальному (V = 1) возбуждению нейронов, указывающих на то, что Марья – мать Ивана, Марья – мать Василия, Иван – брат Василия (и наоборот), а также существенно увеличивает возбуждение других нейронов по степени родства

(2) дополнительное максимальное возбуждение нейрона Марья приводит к максимальному возбуждению нейронов, указывающих на то, что Иван и Василий братья

(3) дополнительное максимальное возбуждение нейрона Марья приводит к максимальному возбуждению нейронов, указывающих на то, что Иван и Василий братья, а Василий – дядя Елены

В процессе исследований выяснилось, что разные факторы, и даже их значения, по-разному, с соответствующим весом math

, влияют на выбор стратегии лечения. Это определило применение функции активации для логической нейронной сети, реализующей систему принятия решений: math

, в случае преодоления порога h = 0,5. files

По логической нейронной сети с взвешенными связями, приведенной на рисунке, и по приблизительным, предполагаемым, нечетким значениям основных факторов рассчитайте указание на оптимальную стратегию лечения. math

(1) максимально возбудился нейрон, указывающий на стратегию 4

(2) возбуждение ни одного нейрона не превысило порог

(3) максимально возбудился нейрон, указывающий на стратегию 3

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Составьте эскизный проект совершенной логической нейронной сети. Составьте эскизный проект совершенной нейронной сети для управления "живым" объектом, обслуживающим посетителей зоопарка. Примечание: Подобные модели предполагают фоновый режим ожидания и рабочий режим. Фоновый режим, заключающийся, например, в нервном хождении по клетке, периодически прерывается рабочим режимом, в котором производится собственно реагирование.

(1)

(2)

(3)

Для правильной совершенной нейронной сети, используемой в бабушкиной СПР

= "Прогулка на велосипеде";

= "Шахматы";

= "Верховая езда";

= "Байдарка";

= "Дискотека";

= "Пешая прогулка".

исследуйте и обсудите возможность применения данной функции активации на основе анализа эталонных ситуаций. Функция активации имеет вид: math

,0 - в противном случае. (Значение h позвольте выбрать бабушке самой так, чтобы не морочить себе голову анализом ненулевых значений возбуждения.)

(1) нейронная сеть дает правильные ответы по всем эталонным ситуациям, что позволяет довериться ей в случае неопределенности

(2) хотя все ответы правильны, это не дает оснований ей доверять. Необходимы длительные испытания и обсуждения с подругами и друзьями

(3) не все ответы правильны. Все зависит от выбора значения порога

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Обсудите основные возможности, открывающиеся при применении логических нейронных сетей для обеспечения информационной безопасности. Рассмотрите возможности защиты от несанкционированного, в том числе – насильственного, доступа.

(1) основной информацией для средств защиты является комбинация условных сигналов и "почерк" пользователя. В результате статистической обработки этой информации в реальном времени на рецепторном слое нейронной сети формируется возбуждение. На основе индивидуальных характеристик производится распознавание пользователя. При насильственном воздействии на пользователя, на основе его психологического состояния правильность распознавания нарушается, что является сигналом тревоги

(2) основной информацией для средств защиты является комбинация условных сигналов, согласованных со службой безопасности, и "почерк" пользователя. В результате статистической обработки этой информации на рецепторном слое нейронной сети формируется возбуждение. На основе индивидуальных характеристик производится распознавание пользователя. При насильственном воздействии на пользователя, даже в случае подкупа, на основе его психологического состояния устанавливается несоответствие пользователя тому, который должен работать в настоящее время

(3) основной информацией для средств защиты является комбинация условных сигналов, согласованных со службой безопасности, и "почерк" пользователя. В результате статистической обработки этой информации на рецепторном слое нейронной сети формируется возбуждение. На основе индивидуальных характеристик производится распознавание пользователя. При насильственном воздействии на пользователя, даже в случае подкупа, он формирует условный сигнал тревоги

Вид некоторой "красивой" граф-схемы показан на рисунке. files

. Предполагается, что обученная нейросеть создается с помощью единичных весов связей (пропускающих сигнал в нужном направлении), веса "ненужных" связей полагаются равными нулю. Обучите нейронную сеть распознаванию буквы А по логическому выражению math

. Букве поставьте в соответствие первый нейрон выходного слоя.

(1)

(2)

(3)

Для данной "электронной" схемы составьте схему системы принятия решений, предполагая, что исходные данные представляют собой достоверность высказываний о событиях. math

(1)

(2)

(3)

math

Матрица следования: files

(1)

(2)

(3)

По логической нейронной сети с обратными связями, представленной на рисунке, для функции активации

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

при h = 0,5, рассчитайте количество циклов "кайфа" после встречи с идеальным мужчиной, который мелькнул и исчез, заслонив собой весь мир. Вес обратной связи равен 0,5.

Идеальный мужчина (независимо от упитанности) удовлетворяет условию math .

(1) во втором цикле "кайфа" возбуждение нейрона math

не превышает порог

(2) во втором цикле "кайфа" возбуждение нейрона math

не превышает порог

(3) в третьем цикле "кайфа" возбуждение нейрона math

не превышает порог

В результате моделирования выяснилось, что рассмотрение принадлежности math

(1)

(2)

(3)

Ниже приведен рисунок фрагмента нейронной сети для решения "современной" задачи. Произведено "размножение" решений. С учетом обратных связей и по формуле для нахождения их весов:

$\omega =\begin{cases}
0,5 \frac {\Delta t-4}{4},\text{при $\Delta t< $4}\\
0, \text{в противном случае};
\end{cases}$

проанализируйте два цикла "работы" нейронной сети, если следующая попытка распознавания ситуации с участием Васи ( math

) совершается до истечения 4 единиц времени с момента предыдущего анализа подобной ситуации. math

(1) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

, т.к.

становится равным 4. Это формирует доверие возбудившемуся нейрону выходного слоя

(2) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

(3) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

Для абсолютно достоверной информации math о показателях банка с помощью логической нейронной сети, использующей функцию активации math , если V > h, 0-в противном случае; h=0,5, а также воспользовавшись операцией усреднения, найдите точку В отображения банка на экране. Каков рейтинг банка?

Нейронная сеть имеет вид: files

(1) Точка

, банк обладает низким рейтингом

(2) Точка

, банк обладает высоким рейтингом

(3) Точка

, банк обладает средним рейтингом

Совершите путешествие между населенными пунктами, выбрав маршрут с помощью логической нейронной сети. Следуйте из пункта 1 в пункт 4. Нейронная сеть имеет вид: files

(1)

(2)

(3)

Исследуйте возможность индуктивного логического вывода на основе фактографической нейронной сети Антрополога-Исследователя для дополнения понятийной нейронной сети, представленной ниже. files

Можно ли дополнить понятийную нейронную сеть правилом вывода: дедушка(X,Y) :- мужчина Х, родитель(X,P), родитель(P,Y)?

(1) испытывая различные комбинации попарных единичных значений возбуждения нейронов, соответствующих жителям села, устанавливаем и обобщаем факт родства: Федор – родственник Ивана и Василия, потому что Федор – родитель Марьи, а Марья – родитель Ивана и Василия.

(2) это сделать невозможно

(3) так можно доказать только, что Федор – родственник Ивана и Василия

Составьте матрицу следования, описывающую логическую нейронную сеть таблицей для облегчения расчетов. files

(1)

(2)

(3)

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Рассмотрите аспекты "коллективного" поведения объектов "живого" моделирования. Мониторы сегмента локальной вычислительной сети с прикрепленными к ним средствами цифрового видеоввода установлены в пределах видимости друг друга. На экранах мониторов – "живые" (реагирующие) объекты.

(1) развлекательная система реализует все принципы реагирования объектов на зрителей и туристов в зоопарке или парке фантасмагорий

(2) используя обмен информацией в локальной вычислительной сети, дополнительно могут быть использованы сообщения о симпатиях и антипатиях, исторических или учебных ассоциациях и т.д

(3) система не может быть построена на основе существующей аппаратуры

Для СПР, изготовленной для дяди Рамзая, составьте совершенную нейронную сеть. (В связи со значительным приобретенным Вами опытом решения подобной простой задачи, уже сформированная сеть приводится ниже.) С помощью коррекции весов связей используйте возможность предпочтительного выбора решений в том случае, когда события, образующие факторное пространство, учитываются с различными значениями приоритета. Как с помощью порогов усилить эффект приоритетного обслуживания? Исследуйте возможность модификации и развития совершенной нейронной сети, например, на тот случай, когда Никита прибыл из мест, не столь отдаленных, и с энтузиазмом включился в работу. Как сокращается объем матрицы следования, описывающей однослойную (в том числе – совершенную) логическую нейронную сеть? Поступила некоторая недостоверная информация об отсутствии Васи. Как скорректировать параметры нейронной сети?

(1) матрица следования однослойной нейронной сети содержит столько строк, сколько решений, с учетом их "размножения", предусмотрено в СПР. Строки закреплены за решениями. Количество столбцов соответствует количеству событий. Каждый столбец соответствует событию

(2) развитие нейросети, связанное, например, с появлением новых фигурантов, производится с помощью добавления новых столбцов матрицы следования, связанных с его деятельностью, а также, если необходимо, добавлением новых строк, соответствующих новым решениям – новым возможностям

(3) веса всех связей, исходящих от рецептора "Вася", следует положить равными достоверности участия Васи в игре

(4) того же эффекта можно добиться, увеличив пороги тех нейронов, которые используют информацию о Васе. Так будут повышены требования к достоверности той информации, которая связана с Васей. files

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Исследуйте возможность социально-исторического прогнозирования с помощью логической нейронной сети. Сформулируйте свои соображения о построении логической нейронной сети, прогнозирующей моральное состояние общества.

(1) система логического вывода, подобная ПРОЛОГ, должна содержать фактографическую и понятийную нейронные сети. Фрагменты фактографической нейронной сети включают логические ассоциативные связки вида:

<имя общественного деятеля> math <кризис системы социальной поддержки населения>,

<имя общественного деятеля> math <угрожающая разница в доходах населения> и т.д.

Понятийная нейронная сеть содержит связки – правила вывода вида:

<кризис пенсионной системы> math <низкая продолжительность жизни, суицид> и т.д.

Для запуска системы прогнозирования на рецепторном слое фактографической нейронной сети следует задать достоверность высказываний о продолжающейся деятельности лиц – столпов общества. Решая методом подстановки задачу логического вывода, можно получить пролонгированные результаты деятельности испытуемых лиц. На основе этих результатов легко закончить логическую цепочку и получить перспективное значение морального состояния общества, как величину максимального возбуждения некоторого нейрона выходного слоя.

(2) основным источником прогнозирования морального состояния общества являются средства массовой информации. Нейронная сеть должна связывать исходные предположения о моральном уровне общества, инициированном множеством муссируемых тезисов, с количественными оценками влияния каждого тезиса на моральное состояние общества. При положительном влиянии положительная обратная связь усиливает благотворную роль тезиса. Если данный тезис отрицательно влияет на моральное состояние общества, отрицательная обратная связь еще более усугубляет это влияние. Предельное состояние системы соответствует истинному или перспективному моральному состоянию общества

(3) выделяются основные тезисы и лозунги, имеющие хождение в выступлениях видных деятелей и в средствах массовой информации. Выделяется группа авторитетных политиков, социологов и журналистов, которая составляет аналог экспертной системы. Для нее составляется однослойная логическая нейронная сеть, где рецепторы закрепляются за экспертами. Веса связей соответствуют весам экспертов. Оценки экспертов поступают на нейроны выходного слоя, определяя частные выводы об отдельных составляющих состояния общества. Комплексная система, выходной слой которой указывает на уровень морального состояния общества, состоит из нескольких последовательно действующих нейронных сетей, образующих "длинную" логическую цепочку

Обучите нейронную сеть двум буквам А и В, как показано на рисунке, согласно логическим выражениям

А: math

В: math

Функция активации - суммирование значений сигналов на входах нейрона при нулевом пороге. Различает ли сформированная нейросеть эталоны этих букв?

(1) да, различает

(2) различает неправильно

(3) не различает

Минимизируйте длину логических цепочек с помощью "размножения" решений. files

(1)

(2)

(3)

math

$|V_j|=\begin{cases}
V, \text{ при $V \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=0,5.$

Произведите верификацию нейросети, задавая допустимые комбинации единичных значений аргументов (эталонные ситуации). Система логических выражений:

math

Результат трассировки: files

(1) нейросеть правильно реагирует на все эталонные ситуации. Динамические цепочки возбуждения достигают нейронов выходного слоя

(2) на ситуацию math

нейросеть реагирует неправильно, так как возбуждение "гаснет", не достигая нейрона math

(3) существует не менее двух эталонных ситуаций, на которые нейросеть реагирует неправильно

Задача перспективных исследований. Сформулируйте предложения по нахождению параметров орбиты спутника на основе временного ряда радиолокационных измерений.

(1) несколько последних измерений преобразуются в интервалы принадлежности. По нескольким высоко возбужденным нейронам находится среднее, более точное значение параметров

(2) по нескольким наблюдениям определяются шесть известных параметров орбиты

(3) последнее измерение используется для определения интервалов принадлежности. Достоверность принадлежности интервалам подается на рецепторы. Связи совершенной логической нейронной сети формируются на основе предварительных расчетов (например, методом наименьших квадратов), образующих таблицу. Таблица связывает достоверность принадлежности замеров интервалам с соответствующими этим интервалам значениями каждого параметра орбиты

Почему так важно соблюдать принцип "размножения" решений? Исходная нейронная сеть имеет вид: files

(1) в противном случае нейрон, "отвечающий" за решение math

, всегда будет "собирать" на себе возбуждение всех рецепторов. А так как они отображают два исчерпывающих множества событий, то всегда, при правильном формировании запроса, math

(2) выполнение данного требования облегчает расчет

(3) "Размножение" решений способствует равномерному распределению возбуждения нейронов выходного слоя, не требуя применения операции приведения

Дополните нейронную сеть для решения "современной" задачи, фрагмент которой, отражающий размножение решений, приведен ниже, положительными обратными связями, усиливающими предположение об участии Пети в рассматриваемых ситуациях в тех случаях, когда предположения о местонахождении Васи имеют высокую достоверность. Такое дополнение показано на рисунке. Вес обратной связи к нейрону А2 находится на основе информации о Васе:

$\omega =\begin{cases}
0,25 \frac {\Delta t-4}{4},\text{при $\Delta t< $4}\\
0, \text{в противном случае};
\end{cases}$

Проанализируйте два цикла "работы" нейронной сети, выявив лишь влияние обратной положительной связи на возможность "участия" Пети в событиях в связи с "занятостью" Васи. Для этого рассмотрите варианты повторного запроса к Васе до истечения 4 единиц времени с момента предыдущего запроса к нему. files

(1) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(2) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(3) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

Обсудите следующую проблему: Справедлив ли вывод об универсальности разработанного проекта программного продукта и его применении при перенастройке для использования в других подобных рейтинговых системах (например, в образовании) и в системах кластеризации ситуаций и принятия решений? Обобщите свои выводы на основе анализа системы оценки странового риска.

(1) программный продукт на основе совершенной логической нейронной сети должен быть инвариантным относительно количества рецепторов и количества нейронов выходного слоя. Изменение этих параметров пользователем, а также изменение конфигурации связей должны производиться оперативно. Также оперативной, доступной и изменяемой по желанию пользователя должна быть информация о смысловом содержании запросов и решений. Примененная функция активации соответствует универсальности нейронной сети. Выполнение этих требований позволит использовать программный продукт в системе оценки странового риска

(2) функция активации должна выбираться пользователем в соответствии с назначением системы. Возможность применения предполагаемого продукта для системы оценки странового риска должна быть исследована отдельно

(3) отдельные расчеты показали низкий уровень универсальности проекта программного продукта. Возможность применения выбранной передаточной функции должна быть исследована в связи с предполагаемым применением

В перспективе своих самостоятельных исследований составьте модель программы игры в "крестики – нолики", первоначально ограничившись попыткой сведения игры "в ничью". Начните разработку модели с анализа возможных ходов противника и с выбора предпочтительного ответа. Для этого заведите три строки, каждая из которых содержит три позиции. В текущем состоянии игры позиция может содержать "крестик" (противника), "нолик" (Ваш) или быть свободной. Несомненно, "традиционный" программный, последовательный анализ каждой позиции всех строк трудоемок и долог. Ассоциативный принцип "работы" нейронной сети позволяет приблизить его к ассоциативному мышлению игрока и сделать игровую нейрокомпьютерную приставку к персональному компьютеру. Составьте проект такой нейронной сети. Составьте графическую схему нейронной сети.

(1)

(2)

(3)

Произведите дистрибутивные преобразования логического описания системы принятия решений контролером электропоезда и наметьте целесообразное размножение решений для следующего факторного пространства событий:

math = "пассажир предъявил билет";

math = "пассажир не предъявил билет";

math = "в билете указана дата (число) этого дня";

math = "в билете указана дата (число) не этого дня";

math = "в билете указан текущий месяц";

math = "в билете указан не текущий месяц";

math = "в билете указан текущий год";

math = "в билете указан прошлый год";

math = "в билете указан более ранний год";

math = "предъявлены проездные документы работника МПС";

math = "предъявлено пенсионное удостоверение";

math = "не предъявлено пенсионное удостоверение";

math = "предъявлено удостоверение работника МПС";

math = "не предъявлено удостоверение работника МПС";

math = "предложена взятка".

Принимаемые решения:

math = "поблагодарить и извиниться за беспокойство";

math = "взыскать штраф 100 рублей";

math = "взыскать штраф 300 рублей";

math = "вызвать милицию";

math = "пожурить".

Логическое описание СПР имеет вид:

math ,

math .

(1)

Х_1 \land Х_3 \land Х_5 \land Х_7  \land Х_10 \to R_1,
Х_1 \land Х_4 \land Х_7 \to  R_2 ,
Х_1 \land Х_6 \land Х_7  \to R_2 , 
Х_2  \land Х_12 \land Х_14 \to R_2 ,
Х_1 \land Х_8 \to R_3 ,
Х_10 \land Х_8 \to R_3 ,
Х_1 \land Х_9 \to R_4 ,
Х_10 \land Х_9  \to R_4 ,
Х_2 \land Х_15 \to R_4 , 
Х_2 \land Х_11  \to R_5 ,
Х_2 \land Х_13 \to R_5 .

(2)

Х_1 \land Х_3 \land Х_5 \land Х_7   \to  R_1,
Х_10  \land Х_13  \to  R_1 ,
Х_1 \land Х_4 \land Х_7   \to  R_2 ,
Х_1 \land Х_6 \land Х_7   \to  R_2 , 
Х_2  \land Х_12 \land Х_14  \to  R_2 ,
Х_1 \land Х_8  \to  R_3 ,
Х_10 \land Х_8  \to  R_3 ,
Х_1 \land Х_9  \to  R_4 ,
Х_10 \land Х_9   \to  R_4 ,
Х_2 \land Х_15  \to  R_4 , 
Х_2 \land Х_11   \to  R_5 ,
Х_2 \land Х_13  \to  R_5 .

(3)

Х_1 \land Х_3 \land Х_5 \land Х_7  \to R_1,
Х_10 \to R_1 ,
Х_1 \land Х_4 \land Х_7  \to R_2 ,
Х_1 \land Х_6 \land Х_7  \to R_2 , 
Х_2 \land Х_12 \land Х_14 \to R_2 ,
Х_1 \land Х_8 \to R_3 ,
Х_10 \land Х_8 \to R_3 ,
Х_1 \land Х_9 \to R_4 ,
Х_10 \land Х_9  \to R_4 ,
Х_2 \land Х_15 \to R_4 , 
Х_2 \land Х_11 \land  Х_2 \land Х_13 \to R_5 ,

Постройте логическую нейронную сеть "железнодорожная рулетка" для различных вариантов math

скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активации math

;

, если

, 0 – в противном случае, math

math , math

math = <Отправить обоих линейных на середину перегона, заплатив гонорар $200>

math = <Отправить даму с приветственным платочком, заплатив гонорар $50>;

math = <Отправить линейного с подстилочной соломкой, заплатив гонорар $60>;

math = <Отправить обоих линейных на середину перегона, заплатив гонорар $240>

(1)

(2)

(3)

В Wi-Fi-технологии транспортировки пакетов информации используются однослойные логические нейронные сети с обратными связями, регулируемыми смежными пунктами. Пусть для некоторого узла А фрагмент такой нейронной сети, определяющий номер смежного пункта для передачи по адресу назначения В, представлен на рисунке. Показаны веса предпочтительной передачи. Обратные связи задаются отрицательными весами, равными по модулю коэффициентам загрузки буферов смежных узлов. Буферы рассчитаны на 5 пакетов, т.е. поступление одного пакета снижает коэффициент загрузки буфера на 0,2. Функция активации реализует суммирование взвешенных сигналов на входе нейронов и сравнивает с нулевым порогом. files

В двух смежных тактах на узел А поступают запросы на дальнейшую транспортировку пакетов с адресом назначения В. Пусть смежные пункты - узлы 1, 2, 3, 4 – в это время не получают запросы от других узлов. При заданных исходных значениях коэффициентов math

–

загрузки буферов определите направление передачи пакетов в первом и втором тактах работы системы. math

(1) в первом такте величина возбуждения нейрона 1 будет максимальной; пакет будет передан узлу 1. Коэффициент загрузки его буфера станет равным 0,4. Во втором такте второй пакет будет передан узлу 2

(2) и в первом, и во втором тактах пакеты будут передаваться узлу 2

(3) и в первом, и во втором тактах пакеты будут передаваться узлу 1

Для быстрых расчетов на карманном нейрокомпьютере контролера электропоезда составьте матрицу следования, описывающую логическую нейронную сеть, в которой учтено, что значения некоторых факторов лишь с весом, меньшим единицы, влияют на принимаемое решение. Выберите функцию активации. Логическая нейронная сеть имеет вид: files

(1)

(2)

(3)

, n – количество входов нейрона

Для предполагаемых с некоторой достоверностью значений скорости паровозов определите среднее ожидаемое значение M выплачиваемого гонорара по формуле math

(1) R1 = 0,7, R2 = 1,3, R3 = 0,7, R4 = 1,3, M = $141

(2) R1 = 0,8, R2 = 1,2, R3 = 0,8, R4 = 1,2, M = $139

(3) R1 = 0,8, R2 = 1,2, R3 = 0,8, R4 = 1,2, M = $141

Начальник станции Кукуевка слабо себе представляет понятие "исчерпывающее множество событий". Исследуйте правомочность принимаемого им решения по недостоверным и противоречивым данным. Функциея активации имеет вид math

(1) R1 = 1,5, R2 = 1,6, R3 = 1,5, R4 = 1,6. Приняв решение R2, он, несомненно, понесет минимальные убытки

(2) R1 = 1,5, R2 = 1,6, R3 = 1,5, R4 = 1,6. Приняв решение R4, он проявит высокие моральные качества

(3) R1 = 1,5, R2 = 1,6, R3 = 1,5, R4 = 1,6, что свидетельствует о важности прозрения и раскаяния

Желая сократить расходы, начальник станции Кукуевка установил одинаковое (минимальное) вознаграждение в случае отправки обоих линейных на середину перегона, - вне зависимости от скорости их перемещения. Таким образом, решение R1 вобрало в себя и решение R4. Выполнив необходимое преобразование нейронной сети (независимо от скоростей паравозов), получим ее в виде: files

;

, если

, 0 – в противном случае, math

. Исследуйте правомочность принимаемых решений.

А1 = А2 = 0,5, В1 = 0,3, В2 = 0,7.

(1) R1 = 2, R2 = 1,3, R3 = 0,7. Решению доверять нельзя

(2) R1 = 2, R2 = 1,2, R3 = 0,8. Решению доверять нельзя

(3) R1 = 1, R2 = 1,2, R3 = 0,8. Решение R2 правомочно

Запишите логические выражения, определяющие системы принятия решений по текстам размышлений дяди Рамзая. "Если Вася или Петя обнаружат, что и Оксана, и Роксана одновременно торгуют французским коньяком и французской косметикой (событие " math

"), то поездка в Дюбай мне обеспечена. В противном случае более чем египетское Красное море мне не светит."

(1)

= "Дубай"; math

= "Красное море".

(2)

= "Дубай"; math

= "Красное море"

(3)

= "Дубай"; math

= "Красное море"

Постройте "электронную" схему системы принятия решений. math

= "Дубай"; math

= "Красное море".

(1)

(2)

(3)

Используя прием "размножения решений" и заменив конъюнкторы и дизъюнкторы передаточными функциями, обрабатывающими достоверность событий, сформируйте однослойные системы принятия решений по "электронным" схемам. files

(1)

(2)

(3)

Составьте нейронные сети по схемам систем принятия решений. Примите во внимание, что при расчете передаточной функции math

(1)

(2)

(3)

, 0 – в противном случае, h = 0,5. files

(2) максимально (V = 1) возбуждается нейрон, указывающий на то, что Василий – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на все родственные связи Василия

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Василия

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (36,7 – 38,2] > И

< значение фактора 3 принадлежит диапазону (140 – 160] > И

< значение фактора 4 принадлежит диапазону [60 – 80) > ТО

< следует поставить диагноз 1 и назначить стратегию лечения 1 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону (1 - 8] > И

< значение фактора 2 принадлежит диапазону (38,2 – 40) > И

И < значение фактора 3 принадлежит диапазону [60 – 100) >

< значение фактора 4 принадлежит диапазону [40 – 60) > ТО

< следует поставить диагноз 2 и назначить стратегию лечения 2 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону (1 - 8] > И

< значение фактора 2 принадлежит диапазону [40 – 42] > И

< значение фактора 3 принадлежит диапазону [100 – 140] > И

< значение фактора 4 принадлежит диапазону [30 – 40) > ТО

< следует поставить диагноз 3 и назначить стратегию лечения 3 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (38,2 – 40) > И

< значение фактора 3 принадлежит диапазону (160 – 200] > И

< значение фактора 4 принадлежит диапазону [80 – 120] > ТО

< следует поставить диагноз 4 и назначить стратегию лечения 4 >;

(1)

(2)

(3)

На изображенном объекте – "мордочке" обозначены невидимые "мышцы". Достаточны ли они для выражения чувств объекта? Проанализируйте попытку выразить разочарование. files

(1) движение глаз ограничено

(2) нет механизма сужения лба

(3) возможностей достаточно

Ответьте на вопросы принципиального характера. Если в действительности "работа" логической нейронной сети отражает проверку попадания ситуации, по каждому событию отдельно, в некоторый заданный диапазон или анализ на совпадение с некоторым значением, то в чем преимущество подобного подхода, как оригинального метода вычислений, по сравнению с "традиционным" программно-алгоритмическим способом анализа этого попадания?

(1) в возможности параллельного выполнения большого количества логических условий на основе нечетких данных при моделировании ассоциативного способа поиска наибольшей похожести с помощью высокопроизводительной вычислительной системы

(2) в возможности расширения и обобщения диапазона значений параметров при их совместном логическом анализе: при переходе от логических (булевых) значений к действительным, адекватным достоверности, нечетким данным

(3) в оригинальном использовании функции активации вместо логических операций для имитации процесса "голосования" в пользу некоторого решения по принципу ассоциативного мышления

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Рассмотрите на уровне аванпроекта интеллектуальную систему охраны, надзора и персонального обслуживания клиентов. Укажите основные принципы, лежащие в основе объекта – контролера на контрольно-пропускном пункте (КПП) войсковой части или предприятия.

(1) сотрудник, желающий благополучно миновать пост, должен иметь карту-пропуск, на которой электронным способом записаны все регистрационные и биометрические данные, включающие параметры лица, фигуры, группы крови и т.д. Истинная принадлежность карты устанавливается на основе оперативного автоматического распознавания лица сотрудника

(2) производится полное распознавание сотрудника на основе совместного анализа классифицированных и градуированных признаков с помощью нейронной сети, связанной с базой знаний отдела кадров или службы режима

(3) производится грубый анализ по общему контуру лица, который совмещается с анализом градуированных основных признаков, присущих лицу и фигуре: цвет кожи, форма и цвет глаз, структура волосяного покрова, в том числе, форма носа и рта

Запишите логические выражения, описывающие на экране, разбитом на клетки с координатами, букву В, как показано на рисунке. Учтите возможность ее допустимого искажения при изображении. files

(1)

(2)

(3)

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Для построения системы принятия решений (СПР) предлагается нейронная сеть заданной структуры. В предположении, что для СПР достаточна однослойная нейронная сеть, составьте обобщенные эталоны для ее обучения (трассировки) по логическому описанию СПР.

math

(1)

math

(2)

math

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Воскликнуть: " А ведь хорош! Но..." >

(2)

= < Сладко помечтать о возможном счастье >

(3)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

Рассчитайте приближенное значение компонент вектора Y для измеренных компонент вектора Х, считая, что math

слабо зависит от math

, а

слабо зависит от math

(1) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

(2) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

(3) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

Функция активации i-го нейрона определяется: math

. Положите math

(1) установившиеся значения возбуждения нейронов в третьем цикле "работы" нейросети: math

(2) установившиеся значения возбуждения нейронов в третьем цикле "работы" нейросети: math

(3) установившиеся значения возбуждения нейронов в третьем цикле "работы" нейросети: math

. Система не устойчива по отношению к начальным предположениям

Экспертный Совет выделил четыре показателя для банковского мониторинга:

– собственный капитал;

– вклады населения;

– объем вложений в культурные программы ЮНЕСКО;

– объем прибыли.

math

(1)

(2)

(3)

Координаты пункта назначения (-50, -150).

(1) маршрут выполняется за два шага: math

(2) маршрут выполняется за один шаг math

. Дальнейшему продвижению нейросеть обучена неправильно

(3) маршрут выполняется за два шага: math

, 0 – в противном случае, h = 0,5. files

(1) максимально (V = 1) возбуждается нейрон, указывающий на то, что Василий – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на все родственные связи Василия

(2) максимально (V = 1) возбуждается нейрон, указывающий на то, что Василий – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Василия

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Василия

Логическая нейронная сеть, отображающая информационно-справочную систему, изображена на рисунке. files

Функция активации находится, как math

, значение фактора 2 math

, аналогично math

(1) задается возбуждение рецепторов: math

. Остальные значения рецепторов – нулевые. Ни один нейрон не возбудился

(2) задается возбуждение рецепторов math

. Остальные значения рецепторов – нулевые. Тогда math

, что указывает на целесообразность выполнения стратегии лечения 2

(3) задается возбуждение рецепторов math

. Остальные значения рецепторов – нулевые. Тогда math

, что указывает на целесообразность выполнения стратегии лечения 1

На изображенном объекте-"чудище" обозначены невидимые шарнирно-мышечные соединения. Достаточны ли они для выражения жестов и эмоций? Проанализируйте жест растерянности и смущения. files

(1) на растерянность мало похоже, но убедительно иллюстрирует возможности деформации рисунка. По-видимому, мультики делать можно

(2) нет механизма наклона головы

(3) необходимо добавить механизмы наклона туловища и головы

math

(1)

math

(3) совершенная нейронная сеть может быть построена с помощью введения фиктивных переменных

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Представьте основные соображения по организации факторного пространства для выполнения главных функций реагирующих объектов. Реагирующий объект выполняет функции контроля состояния сложной управляющей системы.

(1) исходной информацией для реагирующего объекта являются регулярно поступающие данные о состоянии средств и технологического процесса, а также характеристики криминальной обстановки, маркетинговые данные, социально-политическая ситуация и регламентирующая документация. Реакция объекта выбирается таким образом, чтобы наглядно реализовалась предварительная диагностика состояния системы, достаточная для более глубокого локального анализа

(2) исходной информацией для реагирующего объекта являются регулярно поступающие данные о состоянии средств и технологического процесса, а также маркетинговые данные и регламентирующая документация. Реакция объекта направлена на применение срочных мер или на подачу тревожных сигналов в случае возникновения нештатной ситуации

(3) исходной информацией для реагирующего объекта являются регулярно поступающие данные о состоянии средств, оборудования и технологического процесса, а также регламентирующая документация. Реакция объекта выбирается таким образом, чтобы наглядно реализовалась предварительная диагностика состояния системы, достаточная для более глубокого локального анализа, а также выработка сигналов тревоги

и веса связей так, чтобы суммарное возбуждение нейрона выходного слоя при предъявлении эталона равнялось math

. "Научите" однослойную нейронную сеть распознавать букву В, задаваемую возбуждением рецепторов по контуру эталона с учетом возможных искажений.

(1)

(2)

(3)

(1) структура нейронной сети задана корректно

(2) необходимо дополнить нейронную сеть связями math

(3) необходимо дополнить нейронную сеть связями math

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Сладко помечтать о возможном счастье >

(2)

= < Воскликнуть: " А ведь хорош! Но..." >

(3)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

По таблице files

math

Х = {2,1; 3,7}.

(1) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

(2) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

(3) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

Функция активации i-го нейрона определяется: math

(1) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

(2) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

(3) установившиеся значения возбуждения нейронов в третьем цикле "работы" нейросети: math

Точки-банки в декартовой системе координат: math .

(1)

(2)

(3)

Научите нейросеть, как из пункта 5 попасть в пункт 10.

(1)

(2)

, 0 – в противном случае, h = 0,25. files

(1) максимально (V = 1) возбуждается нейрон, указывающий на то, что Василий – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Василия. Со значением 0,25 возбуждаются все нейроны, указывающие на косвенное родство

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Василия

Функция активации находится, как math

если эта сумма превышает порог h = 0,5, и V равно нулю в противном случае. math

(1) максимально возбуждается нейрон, рекомендующий стратегию 3

(2) максимально возбуждается нейрон, рекомендующий стратегию 2

(3) максимально возбуждаются нейроны, рекомендующие стратегию 2 и 3. Необходим консилиум

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Выделите те параметры ситуации (события факторного пространства), которые могли бы явиться источником эмоционального воздействия на реагирующий объект. Исследуйте механизмы возможной реакции на правильность хода технологического процесса.

(1) динамический анализ соответствия текущих измеренных значений параметров их технологическим требованиям. Динамический анализ технического состояния технологического оборудования. Комплектация обслуживающего персонала и анализ его физического и морально-психологического состояния

(2) комплектация обслуживающего персонала высококвалифицированными кадрами. Уровень его социальной защиты и анализ его физического и морально-психологического состояния

(3) динамический анализ соответствия текущих измеренных значений параметров их технологическим требованиям. Динамический анализ технического состояния технологического оборудования

math

(2) можно, исходя из требований к точности и правдоподобию ответов

(3) нельзя, так как описание не удовлетворяет требованию непротиворечивости

(1) при предъявлении картинки сообщаются основные сведения об образе, например, - это яблоко, оно съедобное, оно кислое. Клетки экрана, занятые контуром яблока, с некоторым захватом клеток, окружающих этот контур (обеспечивающих допуск), соединяются с нейроном, за которым закрепляется понятие "яблоко". Понятие "яблоко" закрепляется и за некоторым рецептором, величина возбуждения которого определяется вероятностью распознавания. Этот рецептор связывается с нейронами выходного слоя, закрепленными за понятиями "съедобное" и "кислое". В свою очередь, с этими нейронами связываются решения о запуске программ, в комплексе имитирующих эмоциональную реакцию КОМПИ

(2) при предъявлении картинки запускается обучающая программа, совершающая обзор клеток экрана. Во время обзора фиксируются основные признаки: общее преобладание цвета, наличие контрастных цветовых пятен, некоторых геометрических фигур (кругов, квадратов и др.), некоторых узнаваемых объектов (человечков, машин и т.д.). За соответствующим диапазоном значения каждого признака закрепляется рецептор (если это не было произведено ранее). Связи от него ведут к нейрону выходного слоя, который указывает на информацию о показанной картинке и на запускаемые программы реагирования

(3) при предъявлении картинки запускается обучающая программа, совершающая обзор клеток экрана, на котором показывается видеофильм. Во время обзора фиксируются основные признаки: общее преобладание цвета и характер его изменения (производные), наличие контрастных цветовых пятен, скорость перемещения пятен, деформация фигур, а также наличие некоторых геометрических фигур (кругов, квадратов и др.), некоторых узнаваемых объектов (человечков, машин и т.д.). За соответствующим диапазоном значения каждого признака закрепляется рецептор (если это не было произведено ранее). Связи от него ведут к нейрону выходного слоя, который указывает на информацию о показанном фильме и на запускаемые программы реагирования

Нейронная сеть для обучения трем буквам, приведена на рисунке. files

определите, на какую букву более всего похож вариант возбуждения рецепторов? (1,1) = 0,9, (1,2) = 1, (1,3) = 0,9, (2,1) = 1, (2,2) = 0,1, (2,3) = 1, (3,1) = 0,8, (3,2) = 0,9, (3,3) = 0,1, (4,1) = 0,9, (4,2) = 0, (4,3) = 0,8, (5,1) = 0,9, (5,2) = 0,9, (5,3) = 0,8.

(1) это буква А

(2) это буква В

(3) это буква С

(4) это не похоже ни на одну из известных букв

Составьте систему принятия решений для зимнего периода отдыха бабушки, если она после завтрака и ужина занимается верховой ездой, а после обеда катается с горки на санках.

(1)

math = <выбор: верховая езда, коньки, лыжи, санки >;

math = < санки >;

math = <выбор: сон, дискотека >;

(2)

math = <выбор: верховая езда, коньки, лыжи, санки >;

math = < санки >;

math = <выбор: сон, дискотека >;

(3)

math = <выбор: верховая езда, коньки, лыжи, санки >;

math = < санки >;

math = <выбор: сон, дискотека >;

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Для выполнения алгоритма трассировки необходимо предварительно построить матрицу следования, отображающую все потенциальные статические пути возбуждения, ведущие от нейронов-рецепторов, "участвующих" в логическом выражении, к нейрону выходного слоя, соответствующего решению. Для логического выражения в описании СПР постройте матрицу следования для обучения первому эталону, предварительно введя транзитивные и дополнительные связи. Система логических выражений:

math

Матрица следования: files

(1)

(2)

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Воскликнуть: " А ведь хорош! Но..." >

(2)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

(3)

= < Сладко помечтать о возможном счастье с высоким брюнетом>

измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор math

необходимых управляющих воздействий, составляющих ограниченное множество векторов: math

. Диапазон [0, 3] изменения переменных math

разбит на три интервала math

= [0, 1),

= [1, 2),

math

(1)

(2)

(3)

Для приведенной на рисунке системы связей, для функции активации: math

(1) в пятом цикле "работы" нейросети установятся значения возбуждения: math

(2) нейронная сеть одновременно утверждает Божественное и марсианское происхождение человека

(3) нейронная сеть отрицает учение Дарвина

Выберите по два диапазона возможной принадлежности показателей банка:

math

Точки – банки в сферической системе координат: math .

(1)

(2)

(3)

Приблизительные координаты путешественника – (120, -140). Предположительно он вышел из пункта 3.

(1) так как math

, путешественник находится недалеко от пункта 16

(2) путешественник находится недалеко от пункта 15

(3) путешественник находится недалеко от пункта 12

, 0 – в противном случае, h = 0,25. files

Максимально возбудите нейроны X и Y, соответствующие двум жителям села. Проанализируйте "ответы" нейросети. Х = Иван, Y = Марья.

(1) максимально (V = 1) возбуждаются нейроны, указывающие на то, что Иван – мужчина, а Марья - женщина. Также максимально возбуждаются нейроны, указывающие на то, что Марья – родитель Ивана и Марья – мать Ивана. Со значением 0,75 возбуждаются нейроны, указывающие на прямое родство Ивана и Марьи с некоторыми третьими лицами (например, Василий – брат Ивана). Со значением 0,5 возбуждаются нейроны, указывающие на прямое родство исключительно Ивана или Марьи с третьими лицами

(2) возбуждение нейронов убывает по степени родства Ивана и Марьи с третьими лицами

(3) по возбуждению нейронов следует судить о степени родства Ивана и Марьи с третьими лицами

Опыт лечения привилегированного больного формально представлен логическим выражением:

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 равно 37,5 > И

< значение фактора 3 принадлежит диапазону (150 – 160] > И

< значение фактора 4 принадлежит диапазону [60 – 80) > ТО

< следует поставить диагноз 5 и назначить стратегию лечения 5 >;

(1)

(2)

(3)

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Выскажите свои соображения по непредсказуемому (альтернативному) развитию сюжета видеофильма на основе зрительского контингента и зрительской реакции. Какими интеллектуальными возможностями должна обладать видеоаппаратура будущего для демонстрации фильмов с непредсказуемым (альтернативным) сюжетом, записанных на DVD-дисках?

(1) аппаратура должна учитывать контингент зрителей, особенно – при семейном просмотре. А именно, если в "зале" присутствуют малые дети (до 16 лет), то из показа автоматически должны быть исключены сцены насилия, секса, пропаганды наркотиков. Вместо таких сцен сюжет должен развиваться аналогично "Красной Шапочке", "Золушке" и т.д. Должен быть заблокирован показ некоторых фильмов, записанных на просматриваемом диске ("Секс в большом городе", "Эммануэль" и др.). Должны быть обязательно предусмотрены фискальные средства доноса в случае попыток включения аппаратуры в отсутствие родителей

(2) видеоаппаратура будущего должна реализовать интеллектуальные принципы палочной дисциплины, с неизбежностью следующие за периодом общественной политической, экономической и культурной деградации

(3) Аппаратура будущего должна исключать всякие благоглупости в современном мире и автоматически настраиваться на вкусы зрителей, обеспечивая максимальный кайф

= "Прогулка на велосипеде";

= "Шахматы";

= "Верховая езда";

= "Байдарка";

= "Дискотека";

= "Пешая прогулка".

(1)

math

Система противоречива

(2)

math

Система полна и непротиворечива

(3)

math

Система полна и непротиворечива

(1) основной информацией для опытных специалистов по ремонту автомобилей являются стуки. По характерным стукам устанавливается неисправность. Разложение звуков, исходящих от автомобиля, на составляющие и выделение стуков с их последующим разложением в ряд Фурье на принципиальном уровне позволяют построить нейронную сеть, связывающую характер стука (значения коэффициентов разложения) с причиной неисправности

(2) обилие диагностических приборов на современной станции техобслуживания позволяет одновременно вводить всю поступающую от них информацию на нейронную сеть, способную быстро локализовать неисправность на основе ассоциативного поиска

(3) опытные автомобилисты говорят: "Хороший стук проявится". - Ждите!

(1) в пятом такте формируются сигналы возбуждения: math

(2) в шестом такте формируются сигналы возбуждения: math

(3) в третьем такте формируются сигналы возбуждения: math

(4) из-за исходной близости значений возбуждение всех нейронов становится нулевым

Для логического описания системы принятия решений составьте "электронную" схему такой системы.

math = <выбор: верховая езда, коньки, лыжи, санки >;

math = < санки >;

math = <выбор: сон, дискотека >;

(1)

(2)

(3)

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Произведите трассировку нейронной сети, заданной матрицей следования. Не допускайте переиспользование нейронов. Для этого исключайте из рассмотрения те строки матрицы следования, в которые на предыдущих шагах были записаны единицы. Система логических выражений:

math

Матрица следования: files

(1)

(2)

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Сладко помечтать о возможном счастье с высоким брюнетом>

(2)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

(3)

= < Воскликнуть: " Душечка!" >

math , если math , 0-в противном случае; math ,

Нейронная сеть имеет вид: files

Достоверность предположения о принадлежности значений math

исследуемым интервалам равна:

math

(1)

(2)

(3)

Выбрав функцию активации math

и положив

(1) установившееся во втором цикле "работы" нейросети значение math

свидетельствует об устойчивости и правомочности всех трех предположений о происхождении человека

(2) установившееся значение возбуждения нейронов в третьем цикле "работы" нейросети: math

(3) установившееся значение возбуждения нейронов во втором цикле "работы" нейросети: math

Воспользуйтесь функцией активации:

math , если V > h, 0-в противном случае; h=0,5,

Нейронная сеть имеет вид: files

(1) Точка

, банк обладает средним рейтингом

(2) Точка

, банк обладает высоким рейтингом

(3) Точка

, банк обладает низким рейтингом

(1)

(2)

(3)

, 0 – в противном случае, h = 0,25. files

Уточните информацию о родственных связях по "подозрительному" возбуждению нейронов. Максимальное возбуждение рецепторов Иван = 1 и Марья = 1 привело к "подозрительному" возбуждению нейронов, использующих переменную Василий. В каком отношении находятся между собой все три лица?

(1) дополнительное максимальное возбуждение нейрона Василий приводит к максимальному (V = 1) возбуждению нейронов, указывающих на то, что Марья – мать Василия, Василий – брат Ивана (и наоборот), а также существенно увеличивает возбуждение других нейронов по степени родства

(2) дополнительное максимальное возбуждение нейрона Василий приводит к максимальному возбуждению нейронов, указывающих на то, что Иван и Василий братья

, в случае преодоления порога h = 0,5. files

(1) максимально возбудился нейрон, указывающий на стратегию 2

(2) возбуждение ни одного нейрона не превысило порог

(3) максимально возбудился нейрон, указывающий на стратегию 3

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Составьте эскизный проект совершенной логической нейронной сети. Составьте эскизный проект совершенной нейронной сети для реагирующего объекта, контролирующего состояние территориально разобщенной системы нефте-газового трубопровода.

(1)

(2)

(3)

Для правильной совершенной нейронной сети, используемой в бабушкиной СПР

= "Прогулка на велосипеде";

= "Шахматы";

= "Верховая езда";

= "Байдарка";

= "Дискотека";

= "Пешая прогулка".

,0 - в противном случае. Рекомендуется принять h = m-1, где m – количество активных входов нейрона (в данном случае m = 3).

(3) не все ответы правильны. Все зависит от выбора значения порога

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Обсудите основные возможности, открывающиеся при применении логических нейронных сетей для обеспечения информационной безопасности. Рассмотрите возможность защиты от сговора пользователей о несанкционированной подмене и нарушении индивидуальных ограничений по допуску к секретной информации.

(1) в случае сговора о несанкционированной замене одного пользователя другим защита информации осуществляется на основе несоответствия "почерка" и установления морально-психологического состояния работающего пользователя

(2) эффективный контроль работы пользователей в соответствии с их допуском может быть реализован не только на базе индивидуального "почерка" и системы условных сигналов, но и на базе применения биометрических средств и средств морально-психологического анализа, используемых в детекторах лжи

(3) необходимо нейросетевое воплощение детектора лжи

Вид некоторой "красивой" граф-схемы показан на рисунке. files

. Предполагается, что обученная нейросеть создается с помощью единичных весов связей (пропускающих сигнал в нужном направлении), веса "ненужных" связей полагаются равными нулю. Обучите нейронную сеть распознаванию буквы В по логическому выражению math

. Букве поставьте в соответствие первый нейрон выходного слоя.

(1)

(2)

(3)

(1)

(2)

(3)

math

Матрица следования: files

(1)

(2)

(3)

По логической нейронной сети с обратными связями, представленной на рисунке, для функции активации

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

Идеальный мужчина (независимо от упитанности) удовлетворяет условию math .

(1) во втором цикле "кайфа" возбуждение нейрона math

не превышает порог

(2) во втором цикле "кайфа" возбуждение нейрона math

не превышает порог

(3) в третьем цикле "кайфа" возбуждение нейрона math

не превышает порог

В результате моделирования выяснилось, что рассмотрение принадлежности math

(1)

(2)

(3)

$\omega =\begin{cases}
0,5 \frac {\Delta t-4}{4},\text{при $\Delta t< $4}\\
0, \text{в противном случае};
\end{cases}$

) совершается до истечения 4 единиц времени с момента предыдущего анализа подобной ситуации. math

(1) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

(2) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

, т.к.

становится равным 3. Это формирует доверие возбудившемуся нейрону выходного слоя

(3) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

Нейронная сеть имеет вид: files

(1) Точка

, банк обладает средним рейтингом

(2) Точка

, банк обладает высоким рейтингом

(3) Точка

, банк обладает низким рейтингом

Совершите путешествие между населенными пунктами, выбрав маршрут с помощью логической нейронной сети. Как выбрать маршрут, чтобы совершить кругосветное путешествие из пункта 1? Нейронная сеть имеет вид: files

(1) необходимо проследовать из пункта 1 в пункт 5, затем из пункта 5 в пункт 3, а из пункта 3 в пункт 1. Все пункты будут обойдены

(2) необходимо задать маршрут math

(3) необходимо разбить маршрут на составляющие: math

Можно ли дополнить понятийную нейронную сеть правилом вывода: бабушка(X,Y) :- женщина Х, родитель(X,P), родитель(P,Y)?

(1) такая гипотеза может быть высказана на основе единственного факта родства: женщина Марья – родственница Елены, потому что Марья - родитель Ивана, а Иван – родитель Елены

(2) гипотеза касается факта родства, но не позволяет сделать обобщение

(3) следует дополнить понятийную нейронную сеть принудительным введением соответствующего правила вывода

Составьте матрицу следования, описывающую логическую нейронную сеть таблицей для облегчения расчетов. files

(1)

(2)

(3)

(1) их действия по общему, заданному извне, сценарию, должны сочетаться в рамках предусмотренных возможностей с взаимным распознаванием и реакцией, усиливающей радость, неприязнь и др

(2) идея взаимного реагирования связана с идеей роста актерского мастерства при исполнении конкретных сцен

(3) открываются новые возможности цирковых представлений с участием клоунов

(4) в перспективе широкого внедрения объемного (трехмерного) телевидения взаимное реагирование объектов, сочетающееся с изобразительными возможностями самих объектов, а также допускающее участие актеров, обретет решающее значение, определяющее новый вид искусства

Для СПР, изготовленной для дяди Рамзая, составьте совершенную нейронную сеть. (В связи со значительным приобретенным Вами опытом решения подобной простой задачи, уже сформированная сеть приводится ниже.) С помощью коррекции весов связей используйте возможность предпочтительного выбора решений в том случае, когда события, образующие факторное пространство, учитываются с различными значениями приоритета. Как с помощью порогов усилить эффект приоритетного обслуживания? Исследуйте возможность модификации и развития совершенной нейронной сети, например, на тот случай, когда Никита прибыл из мест, не столь отдаленных, и с энтузиазмом включился в работу. Как сокращается объем матрицы следования, описывающей однослойную (в том числе – совершенную) логическую нейронную сеть? Поступила некоторая недостоверная информация о закрытии предприятия Марина. Как скорректировать параметры нейронной сети?

(3) веса всех связей, исходящих от рецептора "Марина", следует положить равными достоверности участия Марины в игре

(4) того же эффекта можно добиться, увеличив пороги тех нейронов, которые используют информацию о Марине. Так будут повышены требования к достоверности той информации, которая связана с Мариной

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Исследуйте возможность социально-исторического прогнозирования с помощью логической нейронной сети. Сформулируйте свои соображения относительно логической нейронной сети, прогнозирующей государственное развитие и опасность государственных потрясений.

(1) предварительно необходимо терминологически согласовать исторические аналогии вида: files

и т.д. Затем необходимо формализовать исторические события для формирования фактографической нейронной сети (например, - на базе Великой Французской Революции). На их основе необходимо построить обобщения для получения правил вывода – для построения понятийной нейронной сети. Формулируя цель, как возможность испытуемого события, можно исследовать современное или перспективное наличие исходных факторов, достаточных для свершения этого события.

(2) основным источником прогнозирования государственного развития и опасности государственных потрясений являются средства массовой информации. Нейронная сеть должна связывать исходные предположения о политическом и экономическом состоянии государства, инициированном множеством муссируемых тезисов (в том числе – высказываемых ответственными государственными деятелями), с количественными оценками влияния каждого тезиса на стабильное состояние общества и государства. При положительном влиянии положительная обратная связь усиливает благотворную роль тезиса. Если данный тезис отрицательно влияет на перспективу государственного развития, отрицательная обратная связь еще более усугубляет это влияние. Предельные значения возбуждения нейронов выходного слоя нейронной сети указывают на веса соответствующих предполагаемых событий

(3) выделяются основные события - тезисы и лозунги, имеющие хождение в выступлениях государственных деятелей и в средствах массовой информации. Выделяется группа авторитетных политиков, социологов, мировых общественных деятелей и журналистов, которая составляет аналог экспертной системы. Для нее составляется однослойная логическая нейронная сеть, где рецепторы закрепляются за экспертами и событиями. Веса связей, ведущих от рецепторов-экспертов, соответствуют весам экспертов. Оценки экспертов и частота событий поступают на нейроны выходного слоя, определяя частные выводы об отдельных составляющих перспективного развития государства и наличия опасных тенденций. Комплексная система, выходной слой которой указывает на основные характеристики и направления развития, а также на опасность государственных потрясений, состоит из нескольких последовательно действующих нейронных сетей, образующих "длинную" логическую цепочку

Обучите нейронную сеть двум буквам А и С, как показано на рисунке, согласно логическим выражениям

А: math

С: math

(1) да, различает

(2) различает неправильно

(3) не различает

Минимизируйте длину логических цепочек с помощью "размножения" решений. files

(1)

(2)

(3)

math

$|V_j|=\begin{cases}
V, \text{ при $V \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=0,5.$

math

Результат трассировки: files

(2) на ситуацию math

нейросеть реагирует неправильно, так как возбуждение "гаснет", не достигая нейрона math

(3) существует не менее двух эталонных ситуаций, на которые нейросеть реагирует неправильно

Задача перспективных исследований. Как с помощью логической нейронной сети произвести идентификацию спутника, появившегося в зоне обзора радиолокационной станции?

(1) для ассоциативного сравнения параметры новой орбиты подаются на рецепторы логической нейронной сети, связывающей (интервалами принадлежности) параметры орбит известных спутников с их идентификаторами. Если некоторое решение преодолевает порог, идентификация происходит успешно: "похожий" спутник найден. Если порог ни одного из известных решений не преодолен, делается вывод о появлении нового объекта

(2) параметры новой орбиты подаются на рецепторы логической нейронной сети, связывающей (интервалами принадлежности) параметры орбит известных спутников с их идентификаторами. Если некоторое решение преодолевает порог, идентификация происходит успешно: "похожий" спутник найден. Если порог ни одного из известных решений не преодолен, делается вывод об исчезновении спутника

(3) для ассоциативного сравнения параметры новой орбиты подаются на рецепторы логической нейронной сети, связывающей (интервалами принадлежности) параметры орбит известных спутников с их идентификаторами. Если некоторое решение преодолевает порог, идентификация происходит успешно: "похожий" спутник найден

Почему так важно соблюдать принцип "размножения" решений? Исходная нейронная сеть имеет вид: files

(1) в противном случае нейрон, "отвечающий" за решение math

(2) выполнение данного требования облегчает расчет

$\omega =\begin{cases}
0,25 \frac {\Delta t-4}{4},\text{при $\Delta t< $4}\\
0, \text{в противном случае};
\end{cases}$

(1) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(2) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(3) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(2) функция активации должна выбираться пользователем в соответствии с назначением системы. Возможность применения предполагаемого продукта для системы оценки деятельности предприятия должна быть исследована отдельно

(3) отдельные расчеты показали низкий уровень универсальности проекта программного продукта. Возможность применения выбранной функции активации должна быть исследована в связи с предполагаемым применением

В перспективе своих самостоятельных исследований составьте модель программы игры в "крестики – нолики", первоначально ограничившись попыткой сведения игры "в ничью". Начните разработку модели с анализа возможных ходов противника и с выбора предпочтительного ответа. Для этого заведите три строки, каждая из которых содержит три позиции. В текущем состоянии игры позиция может содержать "крестик" (противника), "нолик" (Ваш) или быть свободной. Несомненно, "традиционный" программный, последовательный анализ каждой позиции всех строк трудоемок и долог. Ассоциативный принцип "работы" нейронной сети позволяет приблизить его к ассоциативному мышлению игрока и сделать игровую нейрокомпьютерную приставку к персональному компьютеру. Составьте проект такой нейронной сети. Составьте матрицу следования, описывающую нейронную сеть.

(1)

(2)

(3)

math = "пассажир предъявил билет";

math = "пассажир не предъявил билет";

math = "в билете указана дата (число) этого дня";

math = "в билете указана дата (число) не этого дня";

math = "в билете указан текущий месяц";

math = "в билете указан не текущий месяц";

math = "в билете указан текущий год";

math = "в билете указан прошлый год";

math = "в билете указан более ранний год";

math = "предъявлены проездные документы работника МПС";

math = "предъявлено пенсионное удостоверение";

math = "не предъявлено пенсионное удостоверение";

math = "предъявлено удостоверение работника МПС";

math = "не предъявлено удостоверение работника МПС";

math = "предложена взятка".

Принимаемые решения:

math = "поблагодарить и извиниться за беспокойство";

math = "взыскать штраф 100 рублей";

math = "взыскать штраф 300 рублей";

math = "вызвать милицию";

math = "пожурить".

Логическое описание СПР имеет вид:

math ,

math .

(1)

Х_1 \land Х_3 \land Х_5 \land Х_7 \to R_1,
        Х_10 \land Х_13  \to  R1 ,
Х_1 \land Х_4 \land Х_7 \to  R_2 ,
Х_1 \land Х_6 \land Х_7  \to R_2 , 
Х_2  \land Х_12 \land Х_14 \to R_2 ,
Х_1 \land Х_8 \to R_3 ,
Х_10 \land Х_8 \to R_3 ,
Х_1 \land Х_9 \to R_4 ,
Х_10 \land Х_9  \to R_4 ,
Х_2 \land Х_15 \to R_4 , 
Х_2 \land Х_11  \to R_5 ,
Х_2 \land Х_13 \to R_5 .

(2)

Х_1 \land Х_3 \land Х_5 \land Х_7   \to  R_1,
Х_10  \land Х_13  \to  R_1 ,
Х_1 \land Х_4 \land Х_7   \to  R_2 ,
Х_1 \land Х_6 \land Х_7   \to  R_2 , 
Х_2  \land Х_12 \land Х_14  \to  R_2 ,
Х_1 \land Х_8  \to  R_3 ,
Х_10 \land Х_8  \to  R_3 ,
Х_1 \land Х_9  \to  R_4 ,
Х_10 \land Х_9   \to  R_4 ,
Х_2 \to  R_4 , 
Х_15  \to  R_4 ,
Х_2 \land Х_11   \to  R_5 ,
Х_2 \land Х_13  \to  R_5 .

(3)

Х_1 \land Х_3 \land Х_5 \land Х_7  \to R_1,
Х_10  \land Х_13  \to  R_1 ,
Х_1 \land Х_4 \land Х_7  \to R_2 ,
Х_1 \land Х_6 \land Х_7  \to R_2 , 
Х_2 \land Х_12 \land Х_14 \to R_2 ,
Х_1 \land Х_8 \land Х_10 \land Х_8 \to R_3 ,
Х_1 \land Х_9 \to R_4 ,
Х_10 \land Х_9  \to R_4 ,
Х_2 \to R_4 , 
Х_15 \to R_4 ,
Х_2 \land Х_11 \to R_5  
Х_2 \land Х_13 \to R_5 ,

Постройте логическую нейронную сеть "железнодорожная рулетка" для различных вариантов math

скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активации math

;

, если

, 0 – в противном случае, math

math , math

math = <Отправить обоих линейных на середину перегона, заплатив гонорар $210>

math = <Отправить даму с приветственным платочком, заплатив гонорар $60>;

math = <Отправить линейного с подстилочной соломкой, заплатив гонорар $70>;

math = <Отправить обоих линейных на середину перегона, заплатив гонорар $250>

(1)

(2)

(3)

–

загрузки буферов определите направление передачи пакетов в первом и втором тактах работы системы. math

(1) и в первом, и во втором тактах пакеты будут передаваться узлу 2

(2) в первом такте пакет передастся узлу 2, следующий пакет во втором такте передастся узлу 1

(3) и в первом, и во втором тактах пакеты будут передаваться узлу 1

(1)

(2)

(3)

, n – количество входов нейрона

(1) R1 = 0,7, R2 = 1,1, R3 = 0,7, R4 = 1,1, M = $146,25

(2) R1 = 0,9, R2 = 0,7, R3 = 1,1, R4 = 1,1, M = $148,75

(3) R1 = 0,8, R2 = 0,8, R3 = 1,2, R4 = 1,2, M = $164,5

(4) R1 = 0,9, R2 = 0,7, R3 = 1,2, R4 = 1,2, M = $149,25

(1) R1 = 1,4, R2 = 1,4, R3 = 1,4, R4 = 1,4. Он должен бросить игру

(2) R1 = 1,4, R2 = 1,4, R3 = 1,4, R4 = 1,4. Приняв решение R2, он понесет минимальные убытки

(3) R1 = 1,4, R2 = 1,4, R3 = 1,4, R4 = 1,4. Чувство высокой ответственности должно заставить его принять решение R4

;

, если

, 0 – в противном случае, math

. Исследуйте правомочность принимаемых решений.

А1 = 0,4, А2 = 0,6, В1 = В2 = 0,5.

(1) R1 = 2, R2 = 1,1, R3 = 0,7. Передаточную функцию следует изменить так, чтобы порог вычитался

(2) R1 = 2, R2 = 0,7, R3 = 1,1. Решению доверять нельзя

(3) R1 = 2, R2 = 0,8, R3 = 1,2. Решение R1 правомочно

Запишите логические выражения, определяющие системы принятия решений по текстам размышлений дяди Рамзая. "Если Вася, которому я исключительно доверяю, обнаружит, что Оксана торгует французской косметикой, утаивая французский коньяк (событие " math

"), то я отправлюсь в Таиланд. В противном случае придется довольствоваться турецкой Анталией."

(1)

= "Таиланд"; math

= "Анталия".

(2)

= "Таиланд"; math

= "Анталия"

(3)

= "Таиланд"; math

= "Анталия"

Выполните дистрибутивные преобразования логических выражений. math

= "Таиланд"; math

= "Анталия".

(1)

= "Таиланд"; math

= "Анталия"

(2)

= "Таиланд"; math

= "Анталия"

(3)

= "Таиланд"; math

= "Анталия"

Постройте "электронную" схему системы принятия решений. math

= "Таиланд"; math

= "Анталия".

(1)

(2)

(3)

(1)

(2)

(3)

(1)

(2)

(3)

, 0 – в противном случае, h = 0,5. files

(1) максимально (V = 1) возбуждается нейрон, указывающий на то, что Марья – женщина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Марьи

(2) максимально (V = 1) возбуждается нейрон, указывающий на то, что Марья – женщина. Со значением 0,5 возбуждаются все нейроны, указывающие на все родственные связи Марьи

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Марьи

ЕСЛИ < значение фактора 1 принадлежит диапазону (1 - 8] > И

< значение фактора 2 принадлежит диапазону (36,7 – 38,2] > И

< значение фактора 3 принадлежит диапазону (140 – 160] > И

< значение фактора 4 принадлежит диапазону [60 – 80) > ТО

< следует поставить диагноз 1 и назначить стратегию лечения 1 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (38,2 – 40) > И

< значение фактора 3 принадлежит диапазону [100 – 140] > И

< значение фактора 4 принадлежит диапазону [40 – 60) > ТО

< следует поставить диагноз 2 и назначить стратегию лечения 2 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону (1 - 8] > И

< значение фактора 2 принадлежит диапазону [40 – 42] > И

< значение фактора 3 принадлежит диапазону [60 – 100) > И

< значение фактора 4 принадлежит диапазону [80 – 120] > ТО

< следует поставить диагноз 3 и назначить стратегию лечения 3 >;

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (38,2 – 40) > И

< значение фактора 3 принадлежит диапазону (160 – 200] > И

< значение фактора 4 принадлежит диапазону [30 – 40) > ТО

< следует поставить диагноз 4 и назначить стратегию лечения 4 >;

(1)

(2)

(3)

На изображенном объекте – "мордочке" обозначены невидимые "мышцы". Достаточны ли они для выражения чувств объекта? Проанализируйте попытку выразить свирепость. files

(1) совсем не страшно: механизмов выражения эмоций явно недостаточно

(2) нет механизма сдвига бровей

(3) не хватает мышц, позволяющих раздувать ноздри

Ответьте на вопросы принципиального характера. В чем заключается существенный недостаток нахождения решения с помощью логической нейронной сети и как можно снизить его значение?

(1) в необходимости сортировки - нахождения нейрона выходного слоя, имеющего максимальную величину возбуждения. Влияние указанного недостатка может быть снижено, если нейронная сеть является звеном в длинной логической цепочке последовательно "работающих" нейронных сетей. При этом локализация промежуточных решений не требуется: они используются автоматически следующей нейронной сетью. Другой способ снижения роли указанного недостатка требует разработки средств аппаратной поддержки в составе специализированного процессора – нейрокомпьютера

(2) сложность корректного формального представления системы принятия решений

(3) дистрибутивное представление формального описания СПР, корректировка параметров нейронной сети, верификация ее столь сложны, что требуют концентрации усилий на построении однослойных, а если возможно, - совершенных логических нейронных сетей. Это практически возможно всегда

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Рассмотрите на уровне аванпроекта интеллектуальную систему охраны, надзора и персонального обслуживания клиентов. Укажите основные принципы распознавания, лежащие в основе функционирования монстра-телохранителя крупного государственного деятеля.

(1) на основе распознавания "свой – чужой" телохранитель должен допускать непосредственную близость "своих" к объекту охраны. Размеры лиц и фигур (с учетом перспективы) "чужих" не должны превышать установленного угрожающего размера

(2) с учетом возможного общения охраняемого объекта с народом, телохранитель, наряду с распознаванием "свой – чужой", должен агрессивно реагировать на скорость перемещения и резкие изменения формы, поворота, позы и на другие опасные телодвижения окружающих граждан

(3) кроме "ближнего" распознавания по принципу "свой – чужой", телохранитель должен осуществлять "дальний" обзор, обнаруживая появление человеческих фигур на крышах домов, в амбразурах окон и в других окружающих зданиях и в кронах деревьев. В случае обнаружения подозрительных действий он должен без предупреждения валить объект на землю и накрывать собой

Запишите логические выражения, описывающие на экране, разбитом на клетки с координатами, букву C, как показано на рисунке. Учтите возможность ее допустимого искажения при изображении. files

(1)

(2)

(3)

Совокупность высказываний math

(1)

(2)

(3)

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Для построения системы принятия решений (СПР) предлагается нейронная сеть заданной структуры. В предположении, что для СПР достаточна однослойная нейронная сеть, составьте обобщенные эталоны для ее обучения (трассировки) по логическому описанию СПР.

math

(1)

math

(2)

math

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Сладко помечтать о возможном счастье >

(2)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

(3)

= < Воскликнуть: " А ведь хорош! Но..." >

Рассчитайте приближенное значение компонент вектора Y для измеренных компонент вектора Х, считая, что math

слабо зависит от math

, а

слабо зависит от math

(1) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

(2) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

(3) двум точкам, определяемым векторами math

, включающими данную точку, соответствуют точки, определяемые векторами math

. Тогда

Функция активации i-го нейрона определяется: math

. Положите math

(1) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

(2) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

(3) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

. Система не устойчива по отношению к начальным предположениям

Экспертный Совет выделил четыре показателя для банковского мониторинга:

– собственный капитал;

– вклады населения;

– объем вложений в культурные программы ЮНЕСКО;

– объем прибыли.

math

(1)

(2)

(3)

Координаты пункта назначения (50, 100).

(1) маршрут выполняется за два шага: math

(2) маршрут выполняется за один шаг math

. Дальнейшему продвижению нейросеть обучена неправильно

(3) маршрут выполняется за два шага: math

, 0 – в противном случае, h = 0,5. files

(1) максимально (V = 1) возбуждается нейрон, указывающий на то, что Марья - женщина. Со значением 0,5 возбуждаются все нейроны, указывающие на все родственные связи Марьи

(2) максимально (V = 1) возбуждается нейрон, указывающий на то, что Иван – мужчина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Марьи

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Марьи

Логическая нейронная сеть, отображающая информационно-справочную систему, изображена на рисунке. files

Функция активации находится, как math

, значение фактора 2 math

, аналогично math

(1) задается возбуждение рецепторов: math

. Остальные значения рецепторов – нулевые. Ни один нейрон не возбудился

(2) задается возбуждение рецепторов math

. Остальные значения рецепторов – нулевые. Тогда math

, что указывает на целесообразность выполнения стратегии лечения 4

(3) задается возбуждение рецепторов math

. Остальные значения рецепторов – нулевые. Тогда math

, что указывает на целесообразность выполнения стратегии лечения 1

На изображенном объекте-"чудище" обозначены невидимые шарнирно-мышечные соединения. Достаточны ли они для выражения жестов и эмоций? Проанализируйте жест любвеобильного всеохвата. files

(1) охват воспринимается весьма приблизительно, но пример убедителен

(2) не хватает механизмов поворота головы и туловища

(3) о вдавливании головы в плечи в условиях задачи не говорилось

math

(1)

math

(3) совершенная нейронная сеть может быть построена с помощью введения фиктивных переменных

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Представьте основные соображения по организации факторного пространства для выполнения главных функций реагирующих объектов. Реагирующий объект является частью игровой системы.

(1) "Настроение" реагирующего объекта определяется степенью опасности игровой ситуации, складывающейся после хода противника. Он является и подсказчиком верного ответного хода

(2) реагирующий объект благодаря своим "знаниям" не допускает проигрыша

(3) реагирующий объект своим поведением отвлекает противника, заставляет его сомневаться и делать ошибки

и веса связей так, чтобы суммарное возбуждение нейрона выходного слоя при предъявлении эталона равнялось math

. "Научите" однослойную нейронную сеть распознавать букву С, задаваемую возбуждением рецепторов по контуру эталона с учетом возможных искажений в угловых точках.

(1)

(2)

(3)

Отобразите деревом логических возможностей факторное пространство для планирования мероприятий пансионата "Ветеран Труда". Факторное пространство для обеспечения инвентарем пеших и конных прогулок:

(1)

(2)

(3)

(1) структура нейронной сети задана корректно

(2) необходимо дополнить нейронную сеть связями math

(3) необходимо дополнить нейронную сеть связями math

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Сладко помечтать о возможном счастье >

(2)

= < Воскликнуть: " А ведь хорош! Но..." >

(3)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

По таблице files

math

Х = {4,2; 4,8}.

(1) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

(2) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

(3) ближайшие точки в таблице: math

. Им соответствуют точки-решения math

Функция активации i-го нейрона определяется: math

(1) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

(2) установившиеся значения возбуждения нейронов в первом цикле "работы" нейросети: math

(3) установившиеся значения возбуждения нейронов во втором цикле "работы" нейросети: math

Для согласования с размером экрана необходимо произвести преобразование координаты math , где math – отношение сторон экрана. Это приведет к "сплющиванию" изображения областей рейтинга согласно требованиям эстетики и удобств восприятия.

Точки-банки в декартовой системе координат: math .

(1)

(2)

(3)

Научите нейросеть, как из пункта 16 попасть в пункт 8.

(1)

(2)

, 0 – в противном случае, h = 0,25. files

(2) максимально (V = 1) возбуждается нейрон, указывающий на то, что Марья – женщина. Со значением 0,5 возбуждаются все нейроны, указывающие на прямые родственные связи Марьи. Со значением 0,25 возбуждаются все нейроны, указывающие на косвенное родство

(3) единичное значение принимает возбуждение всех нейронов, указывающих на родственные связи Марьи

Функция активации находится, как math

если эта сумма превышает порог h = 0,5, и V равно нулю в противном случае. math

(1) нет нейрона, возбуждение которого превышает порог. Необходим консилиум

(2) максимально возбуждается нейрон, рекомендующий стратегию 2

(3) максимально возбуждается нейрон, рекомендующий стратегию 3

(1) полные текущие данные метеослужбы

(2) давление, направление ветра, показания собственного барометра и сведения о погоде в наветренных населенных пунктах

(3) укомплектование штата предсказателей, магов, заклинателей и волшебников, больных и инвалидов, остро воспринимающих грядущие изменения погоды

math

(2) можно, исходя из требований к точности и правдоподобию ответов

(3) нельзя, так как описание не удовлетворяет требованию непротиворечивости

(1) игрок рисует на экране предмет распознавания и задает вопрос – что это? КОМПИ угадывает, и в окне ответа появляется текст: "Это яблоко". Затем КОМПИ воспроизводит ответ эмоционально мимикой, движением, смехом и т.д

(2) игрок вводит или открывает картинку и задает вопрос – что это? КОМПИ угадывает, и в окне ответа появляется текст: "Это яблоко". Затем КОМПИ воспроизводит ответ эмоционально мимикой, движением, смехом и т.д

(3) игрок запускает видеофильм. КОМПИ сопровождает показ адекватной эмоциональной реакцией, одновременно демонстрируя узнавание в окне ответа

Нейронная сеть для обучения трем буквам, приведена на рисунке. files

определите, на какую букву более всего похож вариант возбуждения рецепторов? (1,1) = 0,9, (1,2) = 0,9, (1,3) = 0,9, (2,1) = 1, (2,2) = 0,1, (2,3) = 1, (3,1) = 0,9, (3,2) = 0, (3,3) = 0,1, (4,1) = 0,9, (4,2) = 0, (4,3) = 1, (5,1) = 0,9 (5,2) = 0,9, (5,3) = 0,1.

(1) это буква А

(2) это буква В или С

(3) это буква С

(4) это не похоже ни на одну из известных букв

Составьте систему принятия решений для игры в шахматы и верховой езды.

(1)

math = < шахматы >;

math = <верховая езда >;

(2)

math = < шахматы >;

math = <верховая езда >;

(3)

math = < шахматы >;

math = <верховая езда >;

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Для выполнения алгоритма трассировки необходимо предварительно построить матрицу следования, отображающую все потенциальные статические пути возбуждения, ведущие от нейронов-рецепторов, "участвующих" в логическом выражении, к нейрону выходного слоя, соответствующего решению. Для логического выражения в описании СПР постройте матрицу следования для обучения первому эталону, предварительно введя транзитивные и дополнительные связи. Система логических выражений:

math

Матрица следования: files

(1)

(2)

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Воскликнуть: " А ведь хорош! Но..." >

(2)

= < Сладко помечтать о возможном счастье с высоким брюнетом>

(3)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор math

необходимых управляющих воздействий, составляющих ограниченное множество векторов: math

. Диапазон [0, 3] изменения переменных math

разбит на три интервала math

= [0, 1),

= [1, 2),

math

(1)

(2)

(3)

Для приведенной на рисунке системы связей, для функции активации: math

(1) в пятом цикле "работы" нейросети установятся значения возбуждения: math

(2) нейронная сеть одновременно утверждает Божественное и марсианское происхождение человека

(3) нейронная сеть отрицает учение Дарвина

Выберите по два диапазона возможной принадлежности показателей банка:

math

Точки – банки в сферической системе координат: math .

(1)

(2)

(3)

Приблизительные координаты путешественника – (-130, -140). Предположительно он вышел из пункта 4.

(1) так как math

, путешественник находится недалеко от пункта 19

(2) путешественник находится недалеко от пункта 18

(3) путешественник находится недалеко от пункта 17

, 0 – в противном случае, h = 0,25. files

Максимально возбудите нейроны X и Y, соответствующие двум жителям села. Проанализируйте "ответы" нейросети. Х = Иван, Y = Елена.

(1) максимально (V = 1) возбуждаются нейроны, указывающие на то, что Иван – мужчина, а Елена - женщина. Также максимально возбуждаются нейроны, указывающие на то, что Иван – родитель Елены и Иван – отец Елены. Со значением 0,5 возбуждается нейрон, указывающий на то, что Марья – родитель Ивана. Со значением 0,25 возбуждается нейрон, указывающий, что Василий – брат Ивана. Со значением 0,625 возбудится нейрон, указывающий на то, что Василий – дядя Елены

(2) возбуждение нейронов убывает по степени родства Ивана и Елены между собой и с третьими лицами

(3) по возбуждению нейронов следует судить о степени родства Ивана и Елены с третьими лицами

Опыт лечения привилегированного больного формально представлен логическим выражением:

ЕСЛИ < значение фактора 1 принадлежит диапазону [0 – 1] > И

< значение фактора 2 принадлежит диапазону (36,7 – 37,5] > И

< значение фактора 3 принадлежит диапазону (140 – 160] > И

< значение фактора 4 равно 70 > ТО

< следует поставить диагноз 5 и назначить стратегию лечения 5 >;

(1)

(2)

(3)

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Выскажите свои соображения по непредсказуемому (альтернативному) развитию сюжета видеофильма на основе зрительского контингента и зрительской реакции. Какие функции должна выполнять интеллектуальная надстройка динамического контроля знаний, понимания и степени заинтересованности студентов - слушателей лекции, читаемой преподавателем, и рекомендующая ему расстановку акцентов при иллюстрации своего материала с помощью средств мультимедиа?

(1) аппаратура интеллектуальной надстройки должна контролировать посещаемость лекций (в условиях, когда лекции разрешается не посещать) и основные стороны поведения студентов: внимательность, преданность во взоре, переговоры, телефонные звонки, склонение ко сну, верчение и хождение и т.д. Подсказка, появляющаяся на мониторе, советует лектору кратко повторить это место, пробормотать быстрее (все равно не слушают), изобразить менторское усердие, гнев и раздражение (с угрозой вспомнить на экзамене), затронуть тему современной молодежи, устроить перекличку и т.д

(2) аппаратура интеллектуальной надстройки должна анализировать и контролировать посещаемость лекций каждым студентом и основные стороны поведения студентов: внимательность, активность, уважительность, шумные переговоры, телефонные звонки, склонение ко сну, верчение и хождение без спроса и т.д

(3) аппаратура интеллектуальной надстройки должна контролировать посещаемость лекций и поведение слушателей. Она должна динамически формировать подсказки лектору в части доходчивости материала

= "Прогулка на велосипеде";

= "Шахматы";

= "Верховая езда";

= "Байдарка";

= "Дискотека";

= "Пешая прогулка".

(1)

math

Система противоречива

(2)

math

Система противоречива

(3) система станет непротиворечивой, если ввести комплексные решения по выбору:

math

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Исследуйте диагностические возможности логических нейронных сетей. Рассмотрите принципы компьютерной диагностики на основе динамического выбора стратегии поиска неисправностей.

(1) на основе теории контроля и диагностики электронной аппаратуры, а также на основе опыта специалистов, нейронная сеть формирует оптимальную, уточняемую динамически, последовательность запуска тестов для локализации неисправности в минимальное время

(2) если аппаратный контроль показал наличие неустранимого сбоя или отказа, первичная информация об этом событии возбуждает те рецепторы логической нейронной сети, которые соответствуют характеру его проявления. Это на ранней стадии способствует сокращению времени диагностики. Собственно диагностика производится с помощью последовательного принятия решений о сужении области поиска отказа – до его локализации. Ветвящийся поиск осуществляется с помощью логической нейронной сети, реализующей связки типа "если – то"

(3) компьютерная диагностика производится на стадии регламентного контроля оборудования. Моделируется отказ и запускается система диагностики. Нейронная сеть способна запомнить большое число связей вида "если – то", позволяющих на основе большого числа известных ситуаций быстро установить причину отказа

(1) в третьем такте формируются сигналы возбуждения: math

(2) в четвертом такте формируются сигналы возбуждения: math

(3) в третьем такте формируются сигналы возбуждения: math

(4) из-за исходной близости значений возбуждение всех нейронов становится нулевым

Для логического описания системы принятия решений составьте "электронную" схему такой системы.

math = < шахматы >;

math = <верховая езда >;

(1)

(2)

(3)

Для углубленного знакомства с трассировкой следует воспользоваться материалами курса "Логические нейронные сети, www.INTUIT.ru". Приведенные ниже задания взяты из этого курса. Произведите трассировку нейронной сети, заданной матрицей следования. Не допускайте переиспользование нейронов. Для этого исключайте из рассмотрения те строки матрицы следования, в которые на предыдущих шагах были записаны единицы. Система логических выражений:

math

Матрица следования: files

(1)

(2)

(3)

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

(1)

= < Воскликнуть: " Как только таких на улицу выпускают!" >

(2)

= < Сладко помечтать о возможном счастье с высоким брюнетом>

(3)

= < Воскликнуть: " Душечка!" >

math , если math , 0-в противном случае; math ,

Нейронная сеть имеет вид: files

Достоверность предположения о принадлежности значений math

исследуемым интервалам равна:

math

(1)

(2)

(3)

Выбрав функцию активации math

и положив

(1) установившееся в третьем цикле "работы" нейросети значение math

свидетельствует об устойчивости и правомочности всех трех предположений о происхождении человека

(2) установившееся значение возбуждения нейронов в третьем цикле "работы" нейросети: math

(3) установившееся значение возбуждения нейронов во втором цикле "работы" нейросети: math

Воспользуйтесь функцией активации:

math , если V > h, 0-в противном случае; h=0,5,

Нейронная сеть имеет вид: files

(1) Точка

, банк обладает низким рейтингом

(2) Точка

, банк обладает высоким рейтингом

(3) Точка

, банк обладает средним рейтингом

(1)

(2)

(3)

, 0 – в противном случае, h = 0,25. files

Уточните информацию о родственных связях по "подозрительному" возбуждению нейронов. Максимальное возбуждение рецепторов Иван = 1 и Елена = 1 привело к "подозрительному" возбуждению нейронов, использующих переменные Марья и Василий. В каком отношении находятся между собой все четыре лица?

(1) дополнительное максимальное возбуждение нейронов Марья и Василий приводит к максимальному возбуждению нейронов, указывающих на то, что Марья – мать Ивана, Иван – брат Василия (и наоборот), Василий – дядя Елены, а также существенно увеличивает возбуждение других нейронов по степени родства

(2) дополнительное максимальное возбуждение нейронов Марья и Василий приводит к максимальному возбуждению нейронов, указывающих на то, что Марья – мать Ивана, Иван – брат Василия (и наоборот)

(3) дополнительное максимальное возбуждение нейронов Марья и Василий приводит к максимальному возбуждению нейронов, указывающих на то, что Марья – мать Ивана, Марья – мать Василия, Иван – брат Василия (и наоборот)

, в случае преодоления порога h = 0,5. files

(1) максимально возбудился нейрон, указывающий на стратегию 3

(2) возбуждение ни одного нейрона не превысило порог

(3) максимально возбудился нейрон, указывающий на стратегию 2

(1)

(2)

(3)

Для правильной совершенной нейронной сети, используемой в бабушкиной СПР

= "Прогулка на велосипеде";

= "Шахматы";

= "Верховая езда";

= "Байдарка";

= "Дискотека";

= "Пешая прогулка".

,0 - в противном случае (m – число активных входов нейрона, в данном случае m = 3). Рекомендуется принять h = 0,5.

(3) не все ответы правильны. Все зависит от выбора значения порога

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Обсудите основные возможности, открывающиеся при применении логических нейронных сетей для обеспечения информационной безопасности. Рассмотрите средства ограничения злоупотреблений со стороны службы безопасности и режима, имеющей неограниченный доступ ко всей секретной и конфиденциальной информации – для исключения возможности хищений, шантажа и насилия.

(1) неограниченное доверие службе безопасности, при формальном выполнении всех ее требований, должно сочетаться с независимым сговором администрации и коллектива пользователей о тайных индивидуальных средствах контроля персонального доступа пользователей

(2) высокий моральный и нравственный уровень сотрудников безопасности исключают необходимость какого-либо дополнительного контроля их деятельности

(3) воспрепятствовать любой деятельности органов безопасности невозможно. Все попытки тщетны, - так учат нас известные герои книг и кинофильмов

Вид некоторой "красивой" граф-схемы показан на рисунке. files

. Предполагается, что обученная нейросеть создается с помощью единичных весов связей (пропускающих сигнал в нужном направлении), веса "ненужных" связей полагаются равными нулю. Обучите нейронную сеть распознаванию буквы С по логическому выражению math

. Букве поставьте в соответствие первый нейрон выходного слоя.

(1)

(2)

(3)

(1)

(2)

(3)

math

Матрица следования: files

(1)

(2)

(3)

По логической нейронной сети с обратными связями, представленной на рисунке, для функции активации

math

$f_{Вых i}=\begin{cases}
f_i, \text{если $f_i \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=1.$

Идеальный мужчина (независимо от упитанности) удовлетворяет условию math .

(1) в третьем цикле "кайфа" возбуждение нейрона math

не превышает порог

(2) во втором цикле "кайфа" возбуждение нейрона math

не превышает порог

(3) во втором цикле "кайфа" возбуждение нейрона math

не превышает порог

В результате моделирования выяснилось, что рассмотрение принадлежности math

(1)

(2)

(3)

$\omega =\begin{cases}
0,5 \frac {\Delta t-4}{4},\text{при $\Delta t< $4}\\
0, \text{в противном случае};
\end{cases}$

) совершается до истечения 4 единиц времени с момента предыдущего анализа подобной ситуации. math

(1) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

(2) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

, т.к.

становится равным 2. Это формирует доверие возбудившемуся нейрону выходного слоя

(3) Отрицательная обратная связь, приводящая к подавлению сигнала math

, формируется возбужденным нейроном выходного слоя. В первом цикле math

. Во втором цикле math

Нейронная сеть имеет вид: files

(1) Точка

, банк обладает средним рейтингом

(2) Точка

, банк обладает высоким рейтингом

(3) Точка

, банк обладает низким рейтингом

Совершите путешествие между населенными пунктами, выбрав маршрут с помощью логической нейронной сети. Задайте маршрут следования из пункта 4 в пункт 2. Нейронная сеть имеет вид: files

(1)

(2)

(3)

Если дополнить понятийную нейронную сеть правилов вывода дедушка(X,Y) :- мужчина Х, родитель(X,P), родитель(P,Y) на основе родства Федора, Ивана и Василия, то справедлив ли вывод о том, что Федор – дедушка Ирины?

(1) вывод несправедлив, так как в фактографической нейронной сети отсутствует связь Марья – родитель Ирины

(2) вывод справедлив

(3) вывод справедлив, если подразумевать, что Марья является мачехой Ирины при общем родителе всех детей Марьи – Петре

Составьте матрицу следования, описывающую логическую нейронную сеть таблицей для облегчения расчетов. files

(1)

(2)

(3)

Задание призвано будить творческую активность и определять важные и интересные пути и темы дальнейших экспериментальных разработок слушателей. Пока, по многим вопросам у автора самого-то нет определенного мнения. Поэтому к некоторым ответам следует относиться критически. Рассмотрите аспекты "коллективного" поведения объектов "живого" моделирования. Каковы перспективы применения "живого" моделирования при прогнозировании политических и спортивных состязаний, при манипулировании пристрастиями избирателей, в дипломатических играх и пр.?

(1) "Живое" моделирование способствует эффективной наглядной и примитивной реализации основных низменных инстинктов, лежащих, к сожалению, в основе всех механизмов движения современного человеческого общества

(2) "Живое" моделирование, как восхитительное средство развлечений, способно сыграть важную роль в пропагандистских и агитационных действиях того, кому такое средство по карману

(3) "Живое" моделирование частично приоткрывает завесу невостребованности российской науки в современный период победного шествия трудового народа к торжеству идей дикого капитализма. За работу, товарищи!

Для СПР, изготовленной для дяди Рамзая, составьте совершенную нейронную сеть. (В связи со значительным приобретенным Вами опытом решения подобной простой задачи, уже сформированная сеть приводится ниже.) С помощью коррекции весов связей используйте возможность предпочтительного выбора решений в том случае, когда события, образующие факторное пространство, учитываются с различными значениями приоритета. Как с помощью порогов усилить эффект приоритетного обслуживания? Исследуйте возможность модификации и развития совершенной нейронной сети, например, на тот случай, когда Никита прибыл из мест, не столь отдаленных, и с энтузиазмом включился в работу. Как сокращается объем матрицы следования, описывающей однослойную (в том числе – совершенную) логическую нейронную сеть? Поступила некоторая недостоверная информация о закрытии канала нелегальной доставки продукции фирмы Ночная Бабочка. Как скорректировать параметры нейронной сети?

(3) веса всех связей, исходящих от рецептора "Продукция фирмы Ночная Бабочка", следует положить равными достоверности участия фирмы в игре

(4) того же эффекта можно добиться, увеличив пороги тех нейронов, которые используют информацию об этой фирме. Так будут повышены требования к достоверности той информации, которая связана с фирмой

Основная цель настоящих заданий – будить фантазии, инициировать обсуждение, привлечь интерес к творчеству в представляемом направлении. Отсюда – возможность сомнений в правильности ответов и выводов. Автор просит помощи у читателя в проверке и развитии гипотез, в формулировании смелых предположений на пути решения актуальнейших задач. Исследуйте возможность социально-исторического прогнозирования с помощью логической нейронной сети. Сформулируйте свои соображения о построении логической нейронной сети, возбуждающей оптимистические или пессимистические настроения общества на основе анализа частоты употребления слов и смысловых связок в средствах массовой информации.

(1) в основе логической нейронной сети лежит принцип алгебраического суммирования положительных и отрицательных эмоций с учетом частоты следования слов и смысловых связок в средствах массовой информации. Эта частота подается на рецептор, связанный с конкретным словом или смысловой связкой

(2) нейронная сеть в реальном времени должна связывать текущие предположения об оптимистическом настроении общества с количественными оценками влияния каждого слова или смысловой связки на это настроение. При положительном влиянии положительная обратная связь усиливает пессимистическую составляющую. Если слово или смысловая связка отрицательно влияет на настроение общества, отрицательная обратная связь еще более усугубляет это влияние. Предельное или текущее состояние системы соответствует перспективному или настоящему уровню оптимизма в обществе

(3) выделяются основные слова и смысловые связки, имеющие хождение в выступлениях деятелей культуры, ученых и государственных деятелей, а также в средствах массовой информации. Выделяется группа авторитетных политиков, социологов, мировых общественных деятелей и журналистов, которая составляет аналог экспертной системы. Для нее составляется однослойная логическая нейронная сеть, где рецепторы закрепляются за экспертами и за словами (смысловыми связками). Веса связей, ведущих от рецепторов-экспертов, соответствуют весам экспертов. Оценки экспертов на основе частоты следования слов и смысловых связок поступают на нейроны выходного слоя, определяя частные выводы об отдельных составляющих оптимистического или пессимистического настроения общества

Обучите нейронную сеть двум буквам В и С, как показано на рисунке, согласно логическим выражениям

В: math

С: math

(1) да, различает

(2) различает неправильно

(3) не различает

Минимизируйте длину логических цепочек с помощью "размножения" решений. files

(1)

(2)

(3)

math

$|V_j|=\begin{cases}
V, \text{ при $V \ge $h,}\\
0, \text{в противном случае};
\end{cases}
h=0,5.$

math

Результат трассировки: files

(2) на ситуацию math

нейросеть реагирует неправильно, так как возбуждение "гаснет", не достигая нейрона math

(3) существует не менее двух эталонных ситуаций, на которые нейросеть реагирует неправильно

Задача перспективных исследований. Как с помощью логической нейронной сети произвести идентификацию и задержание подозрительного лица в потоке пассажиров?

(1) используется логическая нейронная сеть с обратными связями. При появлении подозрительного объекта действия наблюдателя на некоторое время прерываются для выполнения операции по проверке документов и задержанию

(2) используется логическая нейронная сеть с обратными связями. При появлении подозрительного объекта действия наблюдателя на некоторое время прерываются для выполнения операции задержания

(3) применение обратных связей нецелесообразно. Следует немедленно приступить к задержанию, не ограничивая себя во времени

Почему так важно соблюдать принцип "размножения" решений? Исходная нейронная сеть имеет вид: files

(1) в противном случае нейрон, "отвечающий" за решение math

(2) выполнение данного требования облегчает расчет

$\omega =\begin{cases}
0,25 \frac {\Delta t-4}{4},\text{при $\Delta t< $4}\\
0, \text{в противном случае};
\end{cases}$

(1) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(2) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(3) Положительная обратная связь к нейрону math

формируется одним из нейронов выходного слоя, который учитывает возбуждение нейрона math

. В первом цикле math

. Во втором цикле math

(2) функция активации должна выбираться пользователем в соответствии с назначением системы. Возможность применения предполагаемого продукта для системы рейтинговой оценки результатов соревнования должна быть исследована отдельно

(3) отдельные расчеты показали низкий уровень универсальности проекта программного продукта. Возможность применения выбранной функции активации должна быть исследована дополнительно в связи с предполагаемым применением

В перспективе своих самостоятельных исследований составьте модель программы игры в "крестики – нолики", первоначально ограничившись попыткой сведения игры "в ничью". Начните разработку модели с анализа возможных ходов противника и с выбора предпочтительного ответа. Для этого заведите три строки, каждая из которых содержит три позиции. В текущем состоянии игры позиция может содержать "крестик" (противника), "нолик" (Ваш) или быть свободной. Несомненно, "традиционный" программный, последовательный анализ каждой позиции всех строк трудоемок и долог. Ассоциативный принцип "работы" нейронной сети позволяет приблизить его к ассоциативному мышлению игрока и сделать игровую нейрокомпьютерную приставку к персональному компьютеру. Составьте проект такой нейронной сети. Определите, является ли создаваемая нейронная сеть совершенной? Какую функцию активации Вы хотите использовать?

(1) нейронная сеть является совершенной. Целесообразно использовать функцию активации: math

. Коррекция весов и порогов не требуется

(2) нейронная сеть является совершенной. Целесообразно использовать функцию активации: math

, 0 – в противном случае, h = 0,5. (Веса равны единице.)

(3) нейронная сеть не является совершенной. Чтобы уравнять значения возбуждения нейронов выходного слоя, целесообразно выбрать функцию активации: math

, 0 – в противном случае, h = 0,8, т – количество активных входов нейрона.

math = "пассажир предъявил билет";

math = "пассажир не предъявил билет";

math = "в билете указана дата (число) этого дня";

math = "в билете указана дата (число) не этого дня";

math = "в билете указан текущий месяц";

math = "в билете указан не текущий месяц";

math = "в билете указан текущий год";

math = "в билете указан прошлый год";

math = "в билете указан более ранний год";

math = "предъявлены проездные документы работника МПС";

math = "предъявлено пенсионное удостоверение";

math = "не предъявлено пенсионное удостоверение";

math = "предъявлено удостоверение работника МПС";

math = "не предъявлено удостоверение работника МПС";

math = "предложена взятка".

Принимаемые решения:

math = "поблагодарить и извиниться за беспокойство";

math = "взыскать штраф 100 рублей";

math = "взыскать штраф 300 рублей";

math = "вызвать милицию";

math = "пожурить".

Логическое описание СПР имеет вид:

math ,

math .

(1)

Х_1 \land Х_3 \land Х_5 \land Х_7 \to R_1,
        Х_10 \to  R1 ,
Х_1 \land Х_4 \land Х_7 \to  R_2 ,
Х_1 \land Х_6 \land Х_7  \to R_2 , 
Х_2  \land Х_12 \land Х_14 \to R_2 ,
Х_1 \land Х_8 \to R_3 ,
Х_10 \land Х_8 \to R_3 ,
Х_1 \land Х_9 \to R_4 ,
Х_10 \land Х_9  \to R_4 ,
Х_2 \land Х_15 \to R_4 , 
Х_11  \to R_5 ,
Х_13 \to R_5 .

(2)

Х_1 \land Х_3 \land Х_5 \land Х_7 \to  R_1,
Х_10 \to  R_1 ,
Х_1 \land Х_4 \land Х_7   \to  R_2 ,
Х_1 \land Х_6 \land Х_7   \to  R_2 , 
Х_2  \land Х_12 \land Х_14  \to  R_2 ,
Х_1 \land Х_8  \to  R_3 ,
Х_10 \land Х_8  \to  R_3 ,
Х_1 \land Х_9  \to  R_4 ,
Х_10 \land Х_9   \to  R_4 ,
Х_2 \land Х_15\to  R_4 , 
Х_11 \land Х_13  \to  R_5 .

(3)

Х_1 \land Х_3 \land Х_5 \land Х_7  \to R_1,
Х_10 \to  R_1 ,
Х_1 \land Х_4 \land Х_7  \to R_2 ,
Х_1 \land Х_6 \land Х_7  \to R_2 , 
Х_2 \land Х_12 \land Х_14 \to R_2 ,
Х_1 \land Х_8 \land Х_10 \land Х_8 \to R_3 ,
Х_1 \land Х_9 \to R_4 ,
Х_10 \land Х_9  \to R_4 ,
Х_2 \land Х_15 \to R_4 ,
Х_11 \to R_5  
Х_13 \to R_5 ,

Постройте логическую нейронную сеть "железнодорожная рулетка" для различных вариантов math

скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активации math

;

, если

, 0 – в противном случае, math

math , math

math = <Отправить обоих линейных на середину перегона, заплатив гонорар $230>

math = <Отправить даму с приветственным платочком, заплатив гонорар $70>;

math = <Отправить линейного с подстилочной соломкой, заплатив гонорар $80>;

math = <Отправить обоих линейных на середину перегона, заплатив гонорар $260>

(1)

(2)

(3)

–

загрузки буферов определите направление передачи пакетов в первом и втором тактах работы системы. math

(1) и в первом, и во втором тактах пакеты будут передаваться узлу 1

(2) в первом такте величина возбуждения нейрона 1 будет максимальной; пакет будет передан узлу 1. Коэффициент загрузки его буфера станет равным 0,2. Во втором такте второй пакет будет передан узлу 2

(3) в первом такте пакет передастся узлу 2, следующий пакет во втором такте передастся узлу 1

(1)

(2)

(3)

, n – количество входов нейрона

(1) R1 = 1,2, R2 = 1,4, R3 = 0,7, R4 = 0,9, M = $147,8

(2) R1 = 1,2, R2 = 1,4, R3 = 0,6, R4 = 0,8, M = $156,5

(3) R1 = 1,4, R2 = 0,8, R3 = 1,2, R4 = 0,9, M = $174

(1) R1 = 1,6, R2 = 1,9, R3 = 1,1, R4 = 1,4. Он должен принять решение R2, обусловленное, к тому же, минимальными расходами

(2) R1 = 1,6, R2 = 1,6, R3 = 1,1, R4 = 1,4. Он должен принять решение R2, обусловленное, к тому же, минимальными расходами

(3) R1 = 1,6, R2 = 1,9, R3 = 1,1, R4 = 1,4. Он должен навсегда прекратить эту игру

;

, если

, 0 – в противном случае, math

. Исследуйте правомочность принимаемых решений.

А1 = 0,8, А2 = 0,2, В1 = 0,4, В2 = 0,6.

(1) R1 = 2, R2 = 1,4, R3 = 0,7. Передаточную функцию следует изменить так, чтобы порог вычитался

(2) R1 = 2, R2 = 1,4, R3 = 0,6. Решению доверять нельзя. Необходимо исследовать возможность изменения весов связей

(3) R1 = 2, R2 = 0,8, R3 = 1,2. Следует установить границу, по превышении которой другое решение становится предпочтительнее решения R1

Запишите логические выражения, определяющие системы принятия решений по текстам размышлений дяди Рамзая. "Предположим, Вася или Петя обнаружили, что и Оксана, и Роксана торгуют французским коньяком только в наборе с французской косметикой китайского производства (событие "В1 & B3"). Этот незаконный сговор обещает поездку на Лазурный Берег. В противном случае возможна поездка только на остров Родос."

(1)

= "Лазурный Берег"; math

= "о. Родос".

(2)

"В1 & B3"

= "Лазурный Берег"; math

= "о. Родос"

(3)

"В1 & B3"

= "Лазурный Берег"; math

= "о. Родос"

Выполните дистрибутивные преобразования логических выражений. math

= "Лазурный Берег"; math

= "о. Родос".

(1)

= "Лазурный Берег"; math

= "о. Родос"

(2)

= "Лазурный Берег"; math

= "о. Родос"

(3)

= "Лазурный Берег"; math

= "о. Родос"

Постройте "электронную" схему системы принятия решений. math

= "Лазурный Берег"; math

= "о. Родос".

(1)

(2)

(3)

(1)

(2)

(3)

(1)

(2)

(3)

Нейронная сеть для обучения трем буквам, приведена на рисунке. files

определите, на какую букву более всего похож вариант возбуждения рецепторов? (1,1) = 0, (1,2) = 0, (1,3) = 0,1, (2,1) = 0,1, (2,2) = 0,1, (2,3) = 0, (3,1) = 0,1, (3,2) = 0, (3,3) = 0,1, (4,1) = 0,1, (4,2) = 0,1, (4,3) = 0,1, (5,1) = 0, (5,2) = 0,1, (5,3) = 0.

(1) это буква А

(2) это буква В или С

(3) это буква С

(4) это не похоже ни на одну из известных букв