Нейронные сети и машинное обучение - Ответы на тест Синергия

Нейронные сети и машинное обучение


  1. Какие сети характеризуются отсутствием памяти?
    Сети прямого распространения.
  2. Сети прямого распространения - это:
    Сети, в которых информация передается только в одном направлении, от входа к выходу, без обратных связей.
  3. "Обучение без учителя" характеризуется отсутствием:
    Меткированных данных, где нет заранее определенных правильных ответов.
  4. Как происходит обучение нейронной сети?
    Нейронная сеть обучается путем корректировки весов на основе ошибок, вычисленных между предсказанными и фактическими значениями.
  5. "Обучение с учителем" это:
    Метод обучения, при котором модель обучается на меткированных данных, где для каждого входного примера известен правильный выход.
  6. Большие данные – это:
    Огромные объемы данных, которые могут быть использованы для анализа и выявления закономерностей.
  7. Алгоритм k-средних предназначен для решения задачи:
    Кластеризации, то есть разделения данных на группы (кластеры).
  8. Реализация метода обучения с учителем не нуждается в:
    Метках данных, так как они уже предоставлены.
  9. Искусственный нейрон:
    Это базовая единица нейронной сети, которая принимает входные сигналы, обрабатывает их и передает выходной сигнал.
  10. В чем отличие нейросетевых технологий от обычных экспертных систем:
    Нейросетевые технологии способны обучаться и адаптироваться к новым данным, в отличие от экспертных систем, которые работают на основе заранее заданных правил.
  11. Какие виды обучения нейронных сетей вы знаете?
    Обучение с учителем, обучение без учителя и обучение с подкреплением.
  12. Что необходимо выполнить, чтобы нейросеть могла помочь в формировании решения:
    Обучить сеть на соответствующих данных и настроить ее параметры.
  13. С помощью каких инструментов формируется решение в условиях определенности:
    С помощью детерминированных алгоритмов и моделей.
  14. Сверточные нейронные сети наиболее эффективно применяются для решения задач:
    Обработки изображений и распознавания объектов.
  15. Процессом обучения нейронной сети называют:
    Корректировку весов на основе ошибок, вычисленных между предсказанными и фактическими значениями.
  16. Нейронная сеть является обученной, если:
    Она достигла минимального уровня ошибки на обучающей выборке.
  17. Если сеть содержит два промежуточных слоя, то она моделирует:
    Более сложные нелинейные зависимости между входами и выходами.
  18. Искусственные нейронные сети (ИНС) — модели машинного обучения, использующие комбинации распределенных простых операций, зависящих от обучаемых параметров, для обработки входных данных. Какого вида ИНС не существует?
    Нейронные сети, которые не требуют обучения.
  19. У машинного обучения есть ряд задач. Как называется та, что направлена на предсказание значения той или иной непрерывной числовой величины для входных данных?
    Регрессия.
  20. qr-код и социальные сети для личной консультации:
    Это инструменты, которые могут использоваться для улучшения взаимодействия и обмена информацией.
  21. Стратегия избежания локальных минимумов при сохранении стабильности заключается в:
    Использовании методов регуляризации и изменения скорости обучения.
  22. Какой из видов машинного обучения основывается на взаимодействии обучаемой системы со средой?
    Обучение с подкреплением.
  23. Когда говорят о нейронных сетях и машинном обучении, часто упоминают закон Мура. В чем его суть?
    Закон Мура утверждает, что количество транзисторов на кристалле удваивается каждые два года, что приводит к увеличению вычислительной мощности.
  24. В какие игры нейросеть еще не научилась обыгрывать человека?
    В некоторые стратегические и ролевые игры, требующие сложного планирования и адаптации.
  25. Что называется "эпохой" в алгоритме обучения персептрона?
    Полный проход всего набора обучающих данных через сеть.
  26. Запускаем обучающий вектор Х. В каком случае весовые значения не нужно изменять?
    Если выход сети совпадает с ожидаемым результатом.
  27. Подаем на вход персептрона вектор а. В каком случае весовые значения нужно увеличивать?
    Если выход сети меньше ожидаемого результата.
  28. Подаем на вход персептрона вектор a. В каком случае весовые значения нужно уменьшать?
    Если выход сети больше ожидаемого результата.
  29. Если на данной обучающей паре символ персептрона не совпадает с нужным ответом, то:
    Веса корректируются для уменьшения ошибки.
  30. Теорема о "зацикливании" персептрона утверждает, что:
    Персептрон не может решить задачи, требующие нелинейной разделимости.
  31. Что является входом искусственного нейрона?
    Входные сигналы, которые могут быть числовыми значениями или данными.
  32. В каком случае многослойные сети не могут привести к увеличению вычислительной мощности по сравнению с однослойной сетью?
    Если задача линейно разделима.
  33. Сетью без обратных связей называется сеть:
    Прямого распространения.
  34. Наиболее редко на практике применяются методы машинного обучения, основанные на:
    Обучении с подкреплением.
  35. Что называют нейронами Кохонена?
    Нейроны, используемые в самоорганизующихся картах Кохонена для кластеризации данных.
  36. Синапсами называются:
    Связи между нейронами, через которые передаются сигналы.
  37. Дендритами называются:
    Входные структуры нейрона, которые получают сигналы от других нейронов.
  38. Объем исследований и разработок в области нейронных сетей резко возрос в настоящее время благодаря тому, что:
    Увеличилась доступность вычислительных мощностей и больших данных.
  39. С помощью каких инструментов формируется решение в условиях неопределенности:
    С помощью вероятностных моделей и нейронных сетей.
  40. С помощью каких инструментов формируется решение в условиях риска:
    С помощью статистических методов и анализа вероятностей.
  41. Паралич сети может наступить, когда:
    Все нейроны активируются одинаково, и сеть теряет способность к обучению.
  42. Если сеть имеет очень большое число нейронов в скрытых слоях, то:
    Это может привести к переобучению и увеличению времени обучения.
  43. Сеть Хопфилда заменяется на сеть Хэмминга, если:
    Требуется устойчивость к шуму и ошибкам в данных.
  44. Особых успехов нейросети достигли в работе с изображениями. Но что из этого нейросети не могут сделать?
    Создать изображение, которое полностью соответствует человеческому восприятию красоты и эстетики.
  45. Искусственный интеллект научился разбираться в музыке. Насколько хорошо работает программа по определению музыкальных стилей? Сможет ли такая программа справиться с заданием типа «Угадай мелодию» в режиме реального времени?
    Программа может хорошо определять стили, но справиться с заданием в реальном времени будет сложнее из-за необходимости мгновенного анализа.
  46. В 2016 году программа AlphaGo обыграла одного из мировых по шахматам чемпионов Ли Седоля. Следующий турнир за звание мирового чемпиона запланирован на май 2017. Какая компания разработала ИИ AlphaGo?
    Компания DeepMind.
  47. Теорема о сходных персептронах утверждает, что:
    Сходные персептроны могут быть объединены для улучшения обучения.
  48. Вопрос о выборе шага при применении процедуры обучения решается следующим образом:
    Шаг выбирается таким образом, чтобы минимизировать ошибку и избежать переобучения.
  49. Что такое множество весовых значений нейрона?
    Это набор чисел, которые определяют, как входные сигналы влияют на выходной сигнал нейрона.
  50. Нейросети хорошо проявляют себя не только в распознавании, но и в генерации изображений. Но кое с чем у них все-таки возникают проблемы. С чем именно?
    С созданием изображений, которые выглядят полностью реалистично для человеческого глаза.
  51. К какому времени относятся первые упоминания об искусственно созданных человекоподобных существах?
    К древнегреческим мифам.
  52. Современную историю искусственного интеллекта связывают с появлением обучающих алгоритмов. Их существует множество типов, и среди них — алгоритмы сортировки. Какой из них считается самым простым?
    Пузырьковая сортировка.
  53. Программа от Google научилась рисовать на основе эскизов, сделанных людьми. Что при этом учитывала программа?
    Программа учитывала стиль и содержание эскизов для создания завершенных изображений.