Гипер радиально-базисная сеть (hrbf)

1. Масштабирующая матрица QHRBF-сети содержит весовые коэффициенты нейронов скрытого слоя

2. Алгоритма К-усреднений используется для коррекции следующих параметров HRBF-сети центров

3. HRBF – сеть относится к типу сетей, обучаемых алгоритмами обучения: Cучителем(по методе). Но этот ответ в тестах был неправильным (либо не точным)Обратного распространения ошибки

4. В HRBF – сетях в качестве функции активации нейронов выходного слоя обычно используется функция …Гаусса

5. В процессе обучения HRBF-сети подлежит адаптации … - матрица Q, веса W, центры С.

6. Матрица Q в HRBF-сети задает веса связей между РАДИАЛЬНЫМИ слоями.

7. В HRBF-сети может быть 1 скрытый слой

Сеть Кохонена

1. Алгоритм Кохонена предполагает коррекцию весов –нейрона-победителя и его соседей

2. При инициализации синаптические веса сети Кохонена должны выбираться из интервала – (0,1)

3. Карта Кохонена состоит из …Одного слоя нейронов

4. Алгоритмы обучения сетей Кохонена подстраивают значения своих весовых коэффициентов сети под … Значения компонент входного вектора

5. Формула определяет окрестность нейрона победителя в алгоритме: Кохонена

6. Все алгоритмы сети Кохонена относятся к типу алгоритмов обучения САМООРГАНИЗАЦИИ

7. В алгоритме … на каждой итерации все нейроны сортируются в зависимости от их расстояния до вектора Х Алгоритм нейронного газа

8. Алгоритм типа нейронного газа предполагает коррекцию весов: Нейрона-победителя и его соседей Сеть Хопфилда

1. Сеть Хопфилда состоит из – одного слоя нейронов

2. По формуле формируется выходной сигнал сети … -Хопфилда

3. Сеть Хопфилда использует меру … в качестве меры близости входного вектора и векторов весов Корреляции (Хемминга)

4. Размерность входного вектора сети Хопфилда совпадает с размерностью … Входного слоя

5. По формуле рассчитываются веса при обучении нейронов сети Хопфилда

6. Пороговая функция активизации используется в сети ХОПФИЛДА И ХЕММИНГА

7. Размерность выходного вектора сети Хопфилда равна размерности ВХОДНОГО ВЕКТОРА

Сеть Хемминга

1. Нейроны … сети Хемминга рассчитывают расстояния Хемминга входными векторами Х и каждым из Р закодированных векторов Х^(р) - 1

2. По формуле рассчитывается выход сети: Хемминга

3. Разные нейроны в слое MAXNET сети Хемминга связаны отрицательной обратной связью

4. Сеть Хемминга относится к классу рекурентных нейронных сетей

5. С собственным выходом нейрон-MAXNET сети Хемминга связанположительной обратной связью с весом 1

6. Пороговая функция активизации используется в сети хопфилда и хемминга

7. Сеть Хемминга имеет ВХОДНОЙ, СКРЫТЫЙ И ВЫХОДНОЙ СЛОИ НЕЙРОНОВ

8. Обратные связи в сети Хемминга реализованы в MAXNET

Сеть Эльмана

1. Рекуррентные связи в сети Эльмана направлены от … к… - скрытого во входной

2. По формуле x(t)=[x(r), v(t),…,x₁(t),v₁(r-1),v₂(t-1),…,v(t-1)] рассчитывается входной вектор сети – Эльмана

3. Функция активации нейронов в сети Эльмана обычно является функцией сигмоидального типа

4. В сети Эльмана обратные связи направлены: От выходов нейронов скрытого слоя к входам нейронов скрытого слоя

5. Сеть Эльмана к классу сетей, обучаемых при помощи алгоритмов обучения с учителем

6. Сеть Эльмана состоит из … слоёв 2х

7. Во входной вектор сети Эльмана добавляются данные с выходов нейронов СКРЫТОГО слоя.