1.

Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,1), (2,3), (3,3), (4,5), atunci memoria OLAM care o encodeaza :
0
a. este W =  
1 

0 
b. este W =  
1.1
0 
c. este W =  
 1.2 
0 
d. este W =  
1.3 
e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

2. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,2), (3,4), (4,4), atunci memoria OLAM care o encodeaza :
1 
a. este W =   sigur nu este (colega de la Calarasi a luat 0 puncte)
 0.5 

1 
b. este W =  
 0.6 
1 
c. este W =  
 0.7 
1 
d. este W =  
 0.8 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

3. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,3), (2,5), (3,7), (4,9), atunci memoria OLAM care o encodeaza :
1 
a. este W =  
 2
1
b. este W =  
1
0
c. este W =  
1 
 2
d. este W =   sigur nu este (colega de la Calarasi a luat 0 puncte)
1 
 e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

4. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,4), (3,6), (4,8), atunci memoria OLAM care o encodeaza :
1 
a. este W =  
 2

1
b. este W =  
1
0
c. este W =   sigur nu este (colega de la Calarasi a luat 0 puncte)
1 

 2
d. este W =  
1 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

5. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,1), (3,4), (4,3), atunci memoria OLAM care o encodeaza :
 − 0.3 
a. este W =  
 0.6 

1 
b. este W =   sigur nu este (colega de la Calarasi a luat 0 puncte)
 0.3 

1 
c. este W =  
 0.6 
 0.3 
d. este W =  
 0.6 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

101 
 
6. Daca a =  011 , atunci pseudo inversa matricei A
101 
 
 1 1 1 
 − 
3 3 3 
 1 2 1
b. este  − −  CORECTA
 6 3 6
1 1 1 
 − 
6 3 6 

 2 0 0
7. Daca A=   , atunci pseudoinversa matricei A
0 1 1 

 0.5 0 
 
a.este  0 0.5  CORECTA
 0 0.5 
 

100
8. Daca A= (0 1 0 ), sa se calculeze pseudoinversa matricei A.
101

1 0 0 
 
a.este  0 1 0  CORECTA
 − 1 0 1
 

1 0 2 
 
9. Daca A=  0 2 1 , atunci pseudoinversa matricei A
 0 0 1
 

1 0 − 2 
 
d.este  0 0.5 − 0.5  CORECTA
0 0 1 
 

10. Pseudo inversa matricei [ 1 1 1]

a. [ -1 -1 -1]
b. [1/2 ½ ½]
c. [1/3 1/3 1/3]
d. [1 ½ 1/3]
e. [-1 -1/2 -1/3]
11. Multimea solutiilor unei probleme de clasificare bipolare este :
N
a. I
i 1
S  Hi
N
b. S +Hi
i =1

N
c. (S + H i Hi )
i =1

N
d. (S + H i Hi )
i =1

12. Multimea punctelor (memoriilor) admisibile asociata unei probleme de clasificare

bipolare este :
N
a. S +Hi
i =1
N
b. S +Hi
i =1

c. I
i 1
(S  H i UHi )

N
d. (S + H i Hi )
i =1

13. In varianta secventiala (Windrow-Hoff) a metodei de instruire ADALINE :

a. deplasarile in spatiul memoriilor depind de ordinea exemplelor

b. deplasarile in spatiul memoriilor nu depind de ordinea exemplelor

14. In varianta secventiala (Widrow-Hoff) a metodei de instruire ADALINE:

a. la orice actualizare a memoriei explicit toate exemplele de invatare
b. la orice actualizare a memoriei contribuie explicit un singur exemplu de invatare
c. doar la prima actualizare a memoriei contribuie explicit un singur exemplu de invatare
d. doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare
  0.4 
15. In modelul neuronal al Perceptronului se considera memoria sinaptica W=   pragul
 0.9 
θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

a. memoria totala a neuronului encondeaza corect secventa de instruire ;

b. memoria totala a neuronului encondeaza gresit un singur exemplu al
secventei de instruire
c. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de
instruire
d. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire

 − 0.9 
16. In modelul neuronal al Perceptronului se considera memoria sinaptica W=  
 0.9 
pragul θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

a. memoria totala a neuronului encodeaza incorect toate exemplele secventei de

instruire
b.memoria totala a neuronului encodeaza corect un singur exemplar secventei de
instruire
c. memoria totala a neuronului encodeaza corect exact doua exemple ale secventei de
instruire
d. memoria totala a neuronului encodeaza corect exact trei exemple ale secventei de
instruire
  0.4 
17. In modelul neuronal al Perceptronului se considera memoria sinaptica W=   pragul
 4.0 
θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

a. memoria totala a neuronului encondeaza corect secventa de instruire ;

b. memoria totala a neuronului encondeaza gresit un singur exemplu al secventei
de instruire
c. memoria totala a neuronului encondeaza gresit doua exemple ale secventei
de instruire
d. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire

 0.4 
18. In modelul neuronal al Perceptronului se considera memoria sinaptica W=  
 − 0.4 
pragul θ = 0.7 si secventa de instruire

 1   1     − 1    − 1 
S4=   ,1,   ,1,   ,−1,   ,−1 }
 1    − 1    − 1   1  

Atunci :

e. memoria totala a neuronului encondeaza corect secventa de instruire ;

f. memoria totala a neuronului encondeaza gresit un singur exemplu al
secventei de instruire
g. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de
instruire
h. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire
19. Procedura Perceipton aplicata secventei de instruire
a Converge la o memorie aflata in multimea de administratibilitate asociata
acestei probleme de clasificare bipolara .
b Nu converge
20. In varianta batch a metodei de intruire ADALINE:

a - deplasarile din spatiul memoriilor depind de ordinea exemplelor

b - deplasarile din spatiul memoriilor nu depind de ordinea exemplelor

21. Se considera secventa de instruire:

SN= {xi, yi0, xi Є Rn, yi Є Rn, 1<=i<=N}

11 
si se noteaza Y’ =(y’1,.......,yn) , Z=  
 x1  x N 

Atunci eroarea medie patratica a regresorului liniar multidimensional are valoarea minima:

tr (Y (IN – Z+Z)YT

22. Marcati afirmatia corecta:

Problema XOR este linear separabila;

Problema XOR nu este linear separabila;

23. Varianta batch a metodei ADALINE:

a) la orice actualizare a memoriei contribuie explicit toate exemplele de invatare;
b)la orice actualizare a memoriei contribuie explicit 1 exemplu de invatare;
c)doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare;
d)doar la prima actualizare a memoriei nu contribuie explicit toate exemplele de invatare;

24. In procedura de instruire Perceptron:

a) deplasarile in spatiul memoriilor depind de ordinea exemplelor
b) deplasarile in spatiul memoriilor nu depind de ordinea exemplelor
25. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,2), (3,4), (4,4), atunci memoria OLAM care o encodeaza :
0 
a. este W =  
 0.5 
0 
b. este W =  
 0.6 
0 
c. este W =  
 0.7 
0 
d. este W =  
 0.8 

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.