INTREBARI TNCP

1. (OK) Cine garanteaz reuita unei aplicaii cu reele neuronale multistrat ? R: Reusita unei aplicatuii este garantata de: Consistenta lotului de date( lotul de date trebuie sa contina informatii relevante cu privire la problema abordata) si de: structura reelei care trebuie sa fie capabila sa aproximeze functia neliniara impusa de problema in cauza

2. (OK) Care este avantajul oferit de funciile de activare translatate ale neuronilor comparativ cu cele netranslatate (f(x)=x+b comparativ cu f(x)=x)? R: Are loc o translatare a activitatii neuronilor in zona de interes. In acest mod se usureaza instruirea celorlalti parametrii ai retelei.

3. (OK) Care dintre formele lotului de instruire participa la ajustarea efectiva a parametrilor unei retele neuronale multistrat. R: Cele care sunt mai aproape de spatiul de separare cuprins intre formele celor doua clase

4. (OK) Ce reprezint un prototip i care ar fi consecinele utilizrii unui numr mai mare sau mai mic de prototipuri ntr-o aplicaie cu reele cu autoorganizare? R: Prototipul este o un vector sau o forma reprezentativa pentru un grup de forme, cu acelas grad de similitudine, dar diferit de cel al celorlalte forme ale aceleiasi clase Daca numarul de prototipuri este mai mare, atunci se ajunge la situatia cand unele forme vor fi reprezentate de prototipuri diferite Daca este mai mic, atunci se ajunge la situatia in care gradul de reprezentativite a prototipurilor este mic pentru anumite forme.

5. (OK) De ce rata de instruire a reelelor Kohonen(k(t)) nu trebuie sa apartina intervalului (1, 2) In aceasta situatie, Se observ c, dac Z i X aparin domeniului care include mulimea real transformat a clasei, atunci Zc(t+1), pentru K(t) (1,2) poate s prseasc acest domeniu. Pg.75

6. (OK) Care este explicatie ca anumite prototipuri, dupa parcurgerea algoritmului de instruire, se gasesc in afara spatiilor ocupate de formele claselor? R. Parasesc spatiilor ocupate de formele claselor deoarece instruirea se face cu relatia k ( t )] . (5.6) z c ( t 1) z c ( t ) k r ( t ) [ x ij ( t ) z l 7. (OK) Parametrii i ci ai funciei radiale a unei reele RBF pot influena numarul funciilor de baz ntr-o aplicaie real ? Panta- i polii centrali -ci ai funciei radiale a unei reele RBF pot influena numarul funciilor de baz ntr-o aplicaie reala, asta depinzand de gradul de variatie a functiei neliniare care se aproximeaza cu reteau RBF. Daca polii nu sunt bine plasati atunci instruirea poate esua.

8. (OK) Care este diferenta dintre un sistem liniar si unul neliniar, din punct de vedere al manifestari? R: Daca se schimba punctul static de functionare atunci se schimba si dinamica sistemului in cazul sistemelor neliniare 9. (OK) Cum se obine experimental, caracteristica statica a unui sistem neliniar stabil intrare mrginit - ieire mrginit? R: Se aplica o succesiune de trepte la intrarea sistemului neliniar si se retin valorile de regim stationar care reprezinta puncte ale caracteristicii statice

10. (OK) Care sunt elementele care garanteaza reuita identificrii unui sistem neliniar cu reele neuronale multistrat? R: Reusita unei aplicatii este garantata de: consistenta lotului de date (lotul de date trebuie sa contina informatii relevante cu privire la dinamicile sistemului neliniar in jurul mai multor puncte statice de functioareta) si de: structura retelei care trebuie sa fie capabila sa aproximeze functia neliniara corespunzatoare sistemului neliniar. 11. (OK) Care este diferena dintre reelele neuronale Elman i Jordan? R: vezi documentulTiple_Ident_neu_OK.pdf In cazul retelelor neuronale Elman informatia de la iesirea stratului ascuns este adusa la intrarea acestuia dup ce trece prin stratul context. In cazul retelelor neuronale Jordan informatia de la iesirea stratului de iesire este adusa la intrarea stratului ascuns dupa ce trece prin stratul de stare 12. (OK) Care este avantajul utilizrii reelelor neuronale modulare la identificarea sistemelor? R: Avantajul acestor reele const n faptul c fiecare reea neuronal rezolv o problem local n sensul c se realizeaz o mapare (aproximare a unei funcii neliniare) pentru valori ale vectorului de intrare aparinnd unui domeniu restrns. n acest mod reelele neuronale se pot instrui mult mai uor, iar numrul parametrilor asociai unei reelelor neuronale este mult mai mic dect n cazul utilizrii unei singure reele. 13. (OK) Care este problema cea mai dificil n cazul identificrii sistemelor cu reele neuronale modulare? R: Cea mai dificila problema este proiectarea si implementarea modulului de decizie. 14. (OK) Care sunt aspectele de care trebuie s se in cont la instruirea reelelor neuronale recurente utiliznd reprezentarea pe stare a sistemelor dinamice? R: Lotul de instruire trebuie stabilit astfel nct secvena {u(k)}k=1,n s nu fie corelatat cusecvena {x(k)} k=1,n. n caz contrar reeaua neuronal Ng poate prelua informaii din x(k) prin u(k), iar reeaua neuronal Nf nu mai reuete s capteze maparea generat de funcia f. 15. (OK) In ce situaie instrurire unei structuri neuronale care utilizeaz reprezentarea pe stare a unui sistem neliniar este mult mai uoar? 16. (OK) Care este specificul aplicatiilor care utilizeaza retele neuronale RBF? R: Se utilizeaza in cazul in care functia neliniara are un raspuns localizat (este diferita de zero pe un domeniu compact si este zero sau constanta in rest).

17. (OK) Care sunt cele doua abordari majore privind utilizarea tehnicilor neuronale n conducerea proceselor? R: Prima bordare 1. sinteza unui regulator neuronal utiliznd un regulator clasic sau legea de reglare a unui expert uman. n acest sens se transfer cunotine de la un sistem de reglare existent ctre regulatorul neuronal. Acest mod de abordare se justific doar prin prisma faptului c n cazul reelelor neuronale se utilizeaz calculul paralel, iar n unele situaii expertul uman poate fi nlocuit prin acest transfer de cunotine cre reeaua neuronal. A doua abordare 2. sinteza unui regulator neuronal utiliznd datele obinute de la proces. n acest caz regulatorul neuronal sintetizeaz legea de comand din realizrile obinute de la sistemul n cauz, urmrind minimizarea unei funcii criteriu. Se poate afirma faptul c n aceast situaie se utilizeaz la maxim capacitatea reelelor neuronale de a extrage strategii de reglare din realizrile obinute de la proces, 18. (OK) Cum explicati faptul ca reglarea cu model invers face parte din categoria structurilor de reglare cu predictie? R: Se observ c la intrarea reelei neuronale, care aproximeaz modelul invers, se aplic att ieirea la momentul k, ct i ieirea prescris la momentul k+1. n acest mod comanda care se aplic la momentul k are n vedere ca ieirea reglat s urmreasc referina la momentul urmtor, k+1. Din acest punct de vedere se poate afirma c reglarea cu model invers are acelai obiectiv ca i reglarea cu predicie. PE de alta parte comanda se sintetizeaza si pe baza modelului invers implementt cu ajutorul retelei neuronale 19. (OK) Care este rolul blocul de ajustare a deplasrii neuronului de ieire, n cazul structurii de reglare cu model invers? Pg. 232 BPA are rolul de a rejecta perturbaia, e(k), n cazul cnd aceasta se menine la o valoare constant. Dac nu se utilizeaz BPA, atunci sistemul de reglare este performant numai n raport cu valoarea prescris, nu i n raport cu perturbaia.

BAB este blocul de ajustare a deplasrii neuronului de ieire, a crei funcie de activare este liniar. BAB implementeaz relaia urmtoare nb4 ( k ) nb4 ( k 1) ka ( yd ( k 1) y( k 1)) (12.6) 20. (OK) Care este rolul filtrului n cazul structurii de reglare cu model intern ? R: Pentru o cretere a robusteii structurii de reglare i pentru a limita efortul de comand a elementelor de execuie se utilizeaz n cadrul structurii de reglare un filtru care face ca variaia brusc a erorii s nu se transmis direct regulatorului C*, dup cum este artat n figura:

21. (OK) Care este rolul modelului de referin in cadrul structurii de reglare adaptiv? R: Modelul de referin are rolul de a impune un anumit profil mrimii prescrise i de a limita efortul de comand dezvoltat ntr-un timp mic a elementelor de execuie. n general dac valoarea prescris mrimii de ieire variaz brusc, atunci eroarea variaz tot brusc i pentru a readuce eroarea la zero ntr-un timp mic este necesar, n multe situaii, s se dispun de un efort de comand mare. De asemenea folosind un model de referin ntr-o bucl de reglare se poate impune procesului o anumit dinamic, dat prin intermediul modelului de referin.

22. (OK) Care este rolul modelului neuronal al procesului n cazul structurii de reglare adaptive? R: Modelul neuronal (MN) se obine prin instruirea off-line a unei reele neuronale multistrat. n timpul functionarii structurii de reglare, eroarea ditre proces si model neuronal este propagat napoi prin reeaua neuronal MN n vederea ajustri parametrilor regulatorului neuronal adaptiv. 23. (OK) Cum trebuie s fie ales lotul de instruire pentru modelul neuronal i ce importana are acesta, n cadrul structurii de conducere adaptiv? R: Lotul de instruire trebuie sa contina informatii relevante cu privire la dinamicile sistemului neliniar in jurul punctelor statice de functioare in care va opera structura de reglare. Daca modelul neuronal nu poseda informatii cu privire la proces atunci propagarea erorii prin acesta nu va oferi informatii complete regulatorului neuronal. 24. (OK) Cum se poate sintetiza, n cadrul structurii de conducere adaptiv, legea de reglare care sa tina cont de satisfacerea performantele in viitor si in acelasi timp sa se tina cont si de evolutia anterioara a erorii R: Se utilizeaza un lot de date adecvat care sa contina informatii atat din trecut cat si din viitor

25. (OK) Explicai rolul regulatorului de stare constant i de regim tranzitoriu. R: Regulatorului de stare constant are menirea de a furniza aproape instantaneu comanda de stare constanta a buclei de reglare 26. (OK) Deducei i justificai relaia
u(k ) urt (k ) usc (k ) .

R: intrarea de reglare are dou componente: una corespunztoare regimului tranzitoriu i alta
corespunztoare regimului de stare constanta.