English

Test - Reele neuronale pentru recunoaterea formelor

Masterat Automatizri avansate, Anul II, Sem. I

Titular de disciplin: Conf. Dr. Ing. Adrian Moise

Departamentul Automatica, Calculatoare si Electronica
Universitatea Petrol-Gaze Ploiesti
E-mail: amoise@upg-ploiesti.ro

24 ntrebri, 120 minute

Punctajul este 93%.
Raspunsuri corecte de la prima incercare 22/24
Exercitiu terminat.
Afisati cate o intrebare

1. Intrebarea 1. Care este parametrul unei reele neuronale artificiale care se actualizeaz
n procesul de antrenare?

A. X funcia de activare

B. :-) ponderile de interconectare

C. ? valorile semnalelor de intrare

2. Intrebarea 2. Reeaua din Figura 1 este:

 A. :-) o reea neuronal cu propagare direct (feed-forward) cu un singur strat

B. ? o reea neuronal autoasociativ

C. ? o reea neuronal cu straturi multiple

3. Intrebarea 3. Un neuron artificial are trei intrri i este antrenat cu setul de antrenare
{(110, 0), (111, 1)}. Dup generalizare, ieirea va fi 0 dac i numai dac intrrile sunt:

A. ? 000 sau 101 sau 011 sau 110

B. ? 101 sau 100 sau 110 sau 010

C. :-) 110 sau 000 sau 010 sau 100

4. Intrebarea 4. Un perceptron este:

A. :-) o reea neuronal cu propagare direct cu un singur strat

B. ? o reea neuronal autoasociativ

C. ? o reea autoasociativ cu dou straturi

5. Intrebarea 5. O reea autoasociativ este:

A. X o reea neuronal care nu conine bucle de semnal

B. ? o reea neuronal care conine ci de reacie

C. X o reea neuronal care are o singur bucl

6. Intrebarea 6. Un neuron cu cinci intrri are pondrile 1, 2, 3, 4 i 5. Funcia de activare

este liniar cu factorul de proporionalitate egal cu 3. La intrri se aplic respectiv 2, 6, 8,
12, 0. Ieirea va fi:
 A. ? 45

B. ? 120

C. :-) 258

7. Intrebarea 7. Care dintre urmtoarele afirmaii este adevrat?

a. n medie, reelele neuronale au viteze de calcul mai mari dect calculatoarele
convenionale
b. Reelele neuronale nva prin exemple
c. Retelele neuronale imit oarecum funcionarea creierului uman.

A. :-) toate trei sunt adevrate

B. ? (b) i (c) sunt adevarate

C. ? (a) i (b) sunt adevrate

8. Intrebarea 8. Care din urmtoarele afirmaii este adevrat?

a. Timpul de antrenare depinde de dimensiunile reelei
b. Reelele neuronale pot fi simulate pe un calculator personal
c.Neuronii artificiali funcionez identic cu neuronii biologici

A. ? toate trei sunt adevrate

B. ? (b) este adevarat

C. :-) (a) i (b) sunt adevrate

9. Intrebarea 9. Care sunt avantajele reelelor neuronale artificiale fa de calculatoarele

personale:
a. Au proprietatea de a nva prin exemple.
b. Sunt tolerante la defecte ntr-un grad mai mare
c. Sunt mai potrivite pentru operarea n timp real datorit vitezelor mari de calcul.
 A. ? (a) i (b) sunt adevrate

B. ? (a) i (c) sunt adevrate

C. :-) sunt adevrate toate trei

10. Intrebarea 10. Care din urmtoarele afirmaii este adevrat?

Reelele neuronale asociative cu un singur strat NU au capacitatea de a:
a. realiza recunoaterea formelor
b. determina paritatea unei imagini
c. determina dac dou sau mai multe forme dintr-o imagine sunt conectate sau nu.

A. :-) (b) i (c) sunt adevrate

B. ? (b) este adevarat

C. ? toate trei sunt adevrate

11. Intrebarea 11. Reeaua neuronal din Figura 1 este antrenat s recunoasc literele H i
T, dup cum se arat mai jos.

La intrare se aplic forma:

 Care va fi ieirea dac la intrare se aplic forma de mai sus?

A. ? a

B. :-) b

C. ? c

12. Intrebarea 12. De ce este imposibil pentru un singur perceptron binar s rezolve
problema XOR?

A. ? Pentru c un perceptron are numai trei intrri

B. :-) Pentru c funcia XOR nu este liniar separabil

C. ? Pentru c funcia XOR realizeaz suma modulo 2 a dou intrri binare

13. Intrebarea 13. Ce este grania de decizie ntr-o problem de clasificare a formelor cu
dou variabile de intrare?
 A. ? O histogram definit pentru fiecare imagine din setul de antrenare

B. :-) O linie sau o curb sare separ dou clase distincte

C. ? Un plan sau un hiperplan definit n spaiul formelor de intrare

14. Intrebarea 14. Ce nseamn generalizare?

A. ? Capacitatea unui sistem de recunoatere a formelor de a aproxima valorile

dorite ale ieirilor pentru vectori care nu sunt n setul de test.

B. :-) Capacitatea unui sistem de recunoatere a formelor de a aproxima valorile

dorite ale ieirilor pentru vectori care nu sunt n setul de antrenare.

C. ? Capacitatea unui sistem de recunoatere a formelor de a extrapola la anumite

forme vectori care nu sunt n setul de antrenare.

D. ? Capacitatea unui sistem de recunoatere a formelor de a extrapola la anumite

forme vectori care nu sunt n setul de test.

15. Intrebarea 15. Care este diferena principal ntre Regula Delta i Regula de antrenare a
perceptronului pentru o reea cu propagare direct cu un singur strat?

A. ? Nu este nicio diferen

B. ? Regula Delta este definit pentru funcii de activare cu prag, iar Regula de
antrenare a perceptronului este definit pentru funcii de activare liniare

C. ? Regula Delta este definit pentru funcii de activare de tip sigmoid, iar
Regula de antrenare a perceptronului este definit pentru funcii de activare liniare

D. :-) Regula Delta este definit pentru funcii de activare liniare, iar Regula de
antrenare a perceptronului este definit pentru funcii de activare cu prag

E. ? Regula Delta este definit pentru funcii de activare de tip sigmoid, iar
Regula de antrenare a perceptronului este definit pentru funcii de activare cu
prag.
16. Intrebarea 16. Un perceptron cu funcie de activare de tip treapt are ponderile w1 = 0.5
i w2 = -0.2 iar pragul este q = 0.3 (q poate fi considerat ca fiind ponderea unei intrri
conectat ntotdeauna la valoarea -1). Setul de antrenare este alctuit din vectorul de
intrare x = [0 1]T i ieirea 0 (zero). Va furniza perceptronul rspunsul corect (adic,
rspunsul curent este acelai cu rspunsul dorit)?

A. ? Nu

B. :-) Da

17. Intrebarea 17. Perceptronul din ntrebarea 16 este antrenat folosind regula de
antrenare Dw =h * (d - y) * x, unde x este vectorul de intrare, h este rata de nvare, w
este vectorul ponderilor, d este ieirea dorit iar y este ieirea curent. Care sunt noile
valori ale ponderilor i pragului dup o etap de antrenare cu vectorul de intrare x =[0
1]T i ieirea dorit 1, folosind o rat de nvare h = 0.5?

A. ? w1 = 1, w2 = -0.2, q = -0.2

B. ? w1 = 0.5, w2 = 0.4, q = 0.5

C. :-) w1 = 0.5, w2 = 0.3, q = -0.2

D. ? w1 = 0.5, w2 = -0.3, q = 0.2

E. ? w1 =0.5, w2 = -0.2, q = 0.3

18. Intrebarea 18. Care dintre reelele neuronale de mai jos pot fi folosite pentru predicia
seriilor temporale (de exemplu, predicia meteo)?

A. :-) Reele simple de tip recurent

B. ? Reele auto-organizate

C. ? Reele Hopfield

D. ? Reele multistrat cu propagare direct (feed-forward)

 E. ? Perceptron

19. Intrebarea 19. Memorii asociative - Cte straturi ascunse sunt ntr-o reea Hopfield?

A. :-) Niciunul

B. ? Unul

C. ? Dou

20. Intrebarea 20. Un robot mobil folosete o reea neuronal feedforward liniar i poate fi
antrenat de un operator uman pentru a ndeplini sarcini simple: evitarea obstacolelor i
deplasare n lungul unui perete. Vectorul de intrare al reelei se obine de la senzorii de
distan ai robotului. Semnalul de antrenare este furnizat de operator cu ajutorul unui
joystick.
Daca x este vectorul de intrare, h(t) este rata de antrenare, wk este vectorul ponderilor,
dk este ieirea dorit, iar yk este ieirea curent pentru neuronul k, care este regula de
actualizare a ponderilor reelei?

A. ? D wk = h(t) * yk * x

B. :-) D wk = h(t) * (dk - yk) * x

C. ? D wk = h(t) * (x - wk)

D. ? D wj = hj (x - wj), unde hj < h si j k

21. Intrebarea 21. La algoritmul de propagare invers a erorii (backpropagation), cum se

definete de obicei funcia eroare?

A. ? (pondereaj * intrareaj) pentru toate intrrile j

B. ? (tintaj - iesireaj) 2 pentru toate intrrile j

C. ? (tintaj - iesireaj) pentru toate intrrile j

D. :-) (tintaj - iesireaj) 2 pentru toate iesirile j

 E. ? (tintaj - iesireaj) pentru toate iesirile j

22. Intrebarea 22. Reelei neuronale din Figura 2 i se aplic un set de antrenare alctuit
dintr-un vector de intrare x = [x1 x2 x3 ]T i un vector de ieire dorit (int) t = [t1 t2 t3 ]T.
Care este secvena tipic de calcule care se efectueaz la antrenarea reelei cu algoritmul
de propagare invers a erorii (backpropagation)?

A. ? (1) se calculeaz yj = f(Hj), (2) se calculeaz zk = f(Ok), (3) se actualizeaz

ponderile vji, (4) se actualizeaz ponderile wkj.

B. :-) (1) se calculeaz yj = f(Hj), (2) se calculeaz zk = f(Ok) , (3) se actualizeaz

ponderile wkj, (4) se actualizeaz ponderile vji.

C. ? (1) se calculeaz yj = f(Hj), (2) se actualizeaz ponderile vji, (3) se calculeaz

zk = f(Ok), (4) se actualizeaz ponderile wkj.

D. ? (1) se calculeaz zk = f(Ok), (2) se actualizeaz ponderile wkj, (3) se

calculeaz yj = f(Hj), (4) se actualizeaz ponderile vji.

23. Intrebarea 23. Pentru reeaua neuronal din Figura 2, vectorul de intrare este x =
[x1 x2 x3 ]T, vectorul de ieire al neuronilor din stratul ascuns este y = [y1 y2]T, vectorul
curent de ieire este z = [z1z2 z3 ]T iar vectorul int este t = [t1 t2 t3 ]T. ntr-o anumit
etap, reeaua are urmtoarele ponderi:
 Se presupune c toi neuronii au funcii de activare de tip sigmoid: f(x) = 1 / (1 + exp(-
x)). Neuronii nu au polarizare.
La intrarea reelei se aplic forma de test x = [1.0 2.0 3.0]T.
Ieirea y1 a primului neuron din stratul ascuns va fi:

A. ? 3.4569

B. :-) 0.9677

C. ? 5.7264

D. ? 0.9014

E. ? 145.7696

24. Intrebarea 24. Pentru aceeai reea din Figura 2, cu aceleai date ca la ntrebarea 23, care
este activarea celui de-al doilea neuron din stratul de ieire?

A. ? 12.3654

B. ? 0.0246

C. ? 125.5678

D. :-) 0.1824

E. ? 2.4704