Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Введение в нейронные сети.dor_БАК_25-089-Б

Введение в нейронные сети.dor_БАК_25-089-Б — вариант 8

Просмотрите все вопросы и варианты бесплатно. Правильные ответы скрыты и открываются только после получения доступа.

75 вопросов Вариант 8 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Основным структурным и функциональным элементом нервной системы является …

  1. аксон
  2. нейрон
  3. дендрит
  4. синапс
Вопрос 2

Математическая функция, определяющая выход искусственного нейрона на основе взвешенной суммы входов, — это …

  1. линейная регрессия
  2. сигмоида
  3. функция активации
  4. гиперболический тангенс
Вопрос 3

Расположите основные этапы передачи сигнала в биологическом нейроне в хронологическом порядке:

  1. получение сигнала
  2. суммирование сигналов в соме.
  3. передача сигнала по аксону
  4. высвобождение нейромедиаторов
Вопрос 4

Сети для обработки временных данных называются … сетями

  1. рекуррентными
  2. рекуррентные
Вопрос 5

Установите соответствие между типом нейронной сети и областью ее применения:

  1. Сверточная нейросеть (CNN)
  2. Перцептрон
  3. Нейросеть Кохонена
  4. распознавание изображений
  5. классификация линейно разделимых данных
  6. кластеризация данных
Вопрос 6

Расположите этапы работы искусственного нейрона в хронологическом порядке:

  1. получение входных сигналов
  2. суммирование взвешенных входов
  3. применение функции активации
  4. передача выходного сигнала
Вопрос 7

Говоря о свойствах и применении искусственных нейронных сетей, можно утверждать, что … (Укажите 2 варианта ответа)

  1. искусственный нейрон имитирует основные принципы работы биологического нейрона
  2. нейронные сети не применяются для прогнозирования результатов выборов
  3. функция активации ReLU может возвращать нулевые значения
  4. икусственные нейронные сети всегда имеют скрытые слои
Вопрос 8

Для прогнозирования финансовых временных рядов наиболее подходит …

  1. сверточная нейросеть (CNN)
  2. рекуррентная нейросеть
  3. полносвязная сеть
  4. перцептрон
Вопрос 9

Соотнесите задачу и метод ее решения с помощью нейронных сетей:

  1. Прогнозирование курса акций
  2. Распознавание дорожных знаков
  3. Аппроксимация нелинейной функции
  4. рекуррентные нейросети (LSTM)
  5. сверточные нейросети (CNN)
  6. многослойный перцептрон
Вопрос 10

Химические вещества, передающие сигналы между биологическими нейронами, называются …

  1. нейромедиаторы
  2. нейромедиаторами
  3. нейромедиатор
  4. нейромедиатором
Вопрос 11

Для обработки последовательных данных (временных рядов или текста) используется …

  1. сверточная нейронная сеть (CNN)
  2. рекуррентная нейронная сеть (RNN)
  3. радиально-базисная нейронная сеть (RBF)
Вопрос 12

Для ассоциативной памяти используется …

  1. рециркуляционная нейронная сеть
  2. многослойный перцептрон
  3. радиально-базисная нейронная сеть
  4. нейронная сеть Хопфилда
Вопрос 13

Тип нейронной сети, использующийся для ассоциативной памяти, — это сеть …

  1. Хопфилда
Вопрос 14

Сеть, где выходы могут подаваться обратно на входы, называется …

  1. рекуррентной
  2. рекуррентная
Вопрос 15

Установите соответствие между типом нейронной сети и ее применением:

  1. Радиально-базисная (RBF)
  2. Рекуррентная (RNN)
  3. Рециркуляционная
  4. Нейронная сеть Хопфилда
  5. классификация с нелинейными границами
  6. прогнозирование временных рядов
  7. сжатие данных (автокодировщик)
  8. ассоциативная память
Вопрос 16

Расположите в правильной последовательности этапы работы рекуррентной нейронной сети (RNN) при обработке последовательности:

  1. получение входного вектора на шаге t
  2. обновление скрытого состояния
  3. вычисление выходного значения
  4. передача скрытого состояния на следующий шаг
Вопрос 17

Говоря о специфических типах нейронных сетей и областях их применения, можно утверждать, что … (Укажите 2 варианта ответа)

  1. нейронные сети Хопфилда используются для ассоциативного запоминания
  2. радиально-базисные сети (RBF) лучше всего подходят для обработки изображений
  3. трансформеры плохо справляются с задачей перевода текста
  4. LSTM решает проблему исчезающего градиента в RNN
Вопрос 18

Для классификации с радиальными базисными функциями применяют …

  1. сеть Хопфилда
  2. радиально-базисная нейронная сеть
  3. рециркуляционная сеть
  4. сеть Хэмминга
Вопрос 19

Соотнесите нейронную сеть и ее ключевую особенность:

  1. LSTM
  2. Сеть Хэмминга
  3. Рециркуляционная
  4. RBF
  5. механизм «ворот» для контроля информации
  6. минимизация расстояния Хэмминга
  7. симметричные весовые коэффициенты
  8. использование гауссовых функций активации
Вопрос 20

Тип сети, минимизирующий энергетическую функцию, — сеть …

  1. Хопфилда
Вопрос 21

Расположите в правильном порядке этапы работы искусственного нейронного слоя при прямом проходе (feedforward):

  1. входные данные передаются на нейроны слоя.
  2. каждый нейрон вычисляет взвешенную сумму входов.
  3. к полученной сумме применяется функция активации
  4. результат передаётся на следующий слой или выход сети
Вопрос 22

Основной принцип обучения, в котором синапсы усиливаются при одновременной активности нейронов, — …

  1. метод обратного распространения ошибки
  2. метод сопряженных градиентов
  3. алгоритм градиентного спуска
  4. правило обучения Хебба
Вопрос 23

Алгоритм обучения, требующий знания целевых значений на выходе, — …

  1. самоорганизующиеся карты
  2. обратное распространение ошибки
  3. правило Хебба
  4. больцмановское обучение
Вопрос 24

Основной проблемой алгоритма обратного распространения ошибки можно назвать наличие локальных …

  1. Минимумы
  2. минимум
  3. минимумов
Вопрос 25

Метод оптимизации, имитирующий процесс кристаллизации — …

  1. имитация отжига
Вопрос 26

Установите соответствие между методом обучения и его характеристикой:

  1. Правило Хебба
  2. Обратное распространение
  3. Имитация отжига
  4. Генетический алгоритм
  5. основано на принципе «смежности»
  6. использует градиент ошибки
  7. применяет аналогии с физическими процессами
  8. использует принципы естественного отбора
Вопрос 27

Расположите этапы коррекции весов в алгоритме обратного распространения ошибки в правильной последовательности:

  1. вычисление градиента для выходного слоя
  2. вычисление градиента для скрытого слоя
  3. обновление весов выходного слоя
  4. обновление весов скрытого слоя
Вопрос 28

Говоря о характеристиках алгоритмов обучения искусственных нейронных сетей, можно утверждать, что … (Укажите 2 варианта ответа)

  1. алгоритм обратного распространения требует дифференцируемых функций активации
  2. правило Хебба эффективно для задач обучения с учителем
  3. больцмановское обучение использует вероятностный подход
  4. метод стохастического градиентного спуска гарантированно находит глобальный минимум функции потерь
Вопрос 29

Для обучения с частичным подкреплением лучше подходит …

  1. больцмановское обучение
  2. правило Хебба
  3. метод наименьших квадратов
  4. генетический алгоритм
Вопрос 30

Соотнесите проблему обучения и методом ее решения:

  1. Локальные минимумы
  2. Исчезающие градиенты
  3. Медленная сходимость
  4. Переобучение
  5. алгоритм имитации отжига
  6. использование ReLU
  7. адаптивный шаг обучения
  8. регуляризация
Вопрос 31

Эволюционный метод оптимизации весов — это … алгоритм

  1. генетический
Вопрос 32

Расположите в правильной последовательности этапы обучения искусственной нейронной сети методом обратного распространения ошибки (backpropagation):

  1. прямой проход (forward pass) — вычисление выхода сети.
  2. расчет ошибки — сравнение предсказания с целевым значением.
  3. обратный проход (backward pass) — вычисление градиентов ошибки по весам
  4. обновление весов — коррекция параметров с помощью оптимизатора (например, SGD)
Вопрос 33

Ключевым преимуществом нейронных сетей в управлении по сравнению с классическими методами является то, что они …

  1. требуют меньше вычислительных ресурсов
  2. обладают способностью обучаться на данных и адаптироваться к нелинейным системам
  3. дают гарантированную устойчивость при любых условиях
  4. имеют простату математического описания
Вопрос 34

В числе имен ученых, кто внес значительный вклад в развитие теории нейронных сетей — … (Укажите 2 варианта ответа)

  1. Альберт Эйнштейн
  2. Никола Тесла
  3. Исаак Ньютон
  4. Уоррен Мак-Каллок
  5. Уолтер Питтс
Вопрос 35

Фамилия основоположника теории перцептронов — …

  1. Розенблатт
Вопрос 36

Тип управления, где нейросеть полностью заменяет традиционный регулятор, называется … нейроуправлением

  1. прямое
  2. прямым
Вопрос 37

Установите соответствие между терминами и их определениями:

  1. Обучение с учителем
  2. Обучение без учителя
  3. Адаптивное управление
  4. нейросеть (НС) обучается на размеченных данных, сравнивая выход с целевым значением
  5. нейросеть (НС) выявляет скрытые структуры в данных без явных меток
  6. система автоматически подстраивает параметры под изменяющиеся условия
Вопрос 38

Расположите этапы разработки системы нейроуправления в хронологическом порядке:

  1. сбор и предобработка данных
  2. выбор архитектуры нейронной сети
  3. обучение сети на тренировочных данных
  4. тестирование и валидация модели
  5. внедрение в систему управления
Вопрос 39

Говоря о характеристиках нейронных сетей и нейроуправления, можно утверждать, что … (Укажите 2 варианта ответа)

  1. нейронные сети могут аппроксимировать любую непрерывную функцию
  2. нейронные сети не требуют настройки гиперпараметров
  3. RNN учитывают временные зависимости в данных
  4. искусственные нейронные сети неспособны обрабатывать нелинейные данные
Вопрос 40

Для управления объектами с нечеткой математической моделью рекомендуется использовать …

  1. ПИД-регуляторы
  2. нейросетевые системы
  3. линейные регуляторы
  4. адаптивные фильтры
Вопрос 41

Соотнесите области применения нейроуправления с примерами применения:

  1. Робототехника
  2. Автомобилестроение
  3. Промышленность
  4. управление манипулятором с учетом изменяющейся нагрузки
  5. адаптивный круиз-контроль в беспилотных автомобилях
  6. оптимизация режимов работы станков на производстве
Вопрос 42

Метод управления, сочетающий нейросеть с традиционными алгоритмами — это … управление

  1. гибридное
Вопрос 43

Расположите шаги работы нейросети по обработке сигналов электроэнцефалограммы (ЭЭГ) в правильной последовательности:

  1. регистрация электрической активности мозга (ЭЭГ)
  2. обработка и декодирование сигналов ЭЭГ
  3. формирование управляющей команды на основе декодированного сигнала
  4. подача управляющего сигнала на исполнительное устройство
  5. обучение пользователя управлению мысленными командами
Вопрос 44

Компонент ПИД-регулятора, который устраняет статическую ошибку, называется …

  1. пропорциональным
  2. дифференциальным
  3. интегральным
Вопрос 45

При слишком большом коэффициенте Kd в ПИД-регуляторе …

  1. система становится медленной
  2. увеличивается статическая ошибка
  3. появляются высокочастотные колебания (перерегулирование)
  4. ничего не меняется
Вопрос 46

Тип управления, автоматически подстраивающий параметры регулятора, — это … управление

  1. адаптивное
Вопрос 47

Для компенсации интегрального … в регуляторах используют метод Anti-Windup

  1. насыщения
  2. насыщение
Вопрос 48

Установите соответствие между типом системы и его примером:

  1. Линейная
  2. Нелинейная
  3. Экстремальная
  4. управление двигателем постоянного тока
  5. робот-манипулятор с трением в суставах
  6. поиск оптимальной скорости вращения турбины
Вопрос 49

Расположите правильном порядке этапы настройки ПИД-регулятора методом Циглера-Николса:

  1. обнулить все коэффициенты (Kp = Ki = Kd = 0)
  2. постепенно увеличивать Kp до появления незатухающих колебаний
  3. зафиксировать критический коэффициент Kcr и период колебаний Tcr
  4. рассчитать параметры ПИД по табличным формулам.
Вопрос 50

Говоря о регулировании процессов в системах автоматического управления, можно утверждать, что … (Укажите 3 варианта ответа)

  1. пропорциональная составляющая уменьшает время переходного процесса
  2. дифференциальная составляющая устраняет статическую ошибку
  3. интегральная составляющая может вызвать перерегулирование
  4. адаптивные системы требуют идентификации параметров объекта
  5. ПИД-регулятор способен устранить любую нестабильность в системе
Вопрос 51

Для систем с нелинейными характеристиками наиболее подходит …

  1. стандартный ПИД-регулятор
  2. П-регулятор
  3. релейный регулятор
  4. адаптивный регулятор
Вопрос 52

Установите соответствие между составляющими ПИД-регулятора и их назначением:

  1. пропорциональная составляющая
  2. Интегральная составляющая
  3. Дифференциальная составляющая
  4. реагирует на текущую ошибку, уменьшая время отклика
  5. устраняет статическую ошибку за счет накопления прошлых ошибок
  6. подавляет колебания, учитывая скорость изменения ошибки
Вопрос 53

Тип системы, поддерживающий параметр на максимальном/минимальном значении, называется … системой

  1. экстремальной
  2. экстремальная
Вопрос 54

Установите в правильном порядке этапы обработки сигнала ПИД-регулятором:

  1. получение сигнала ошибки (уставка − текущее значение)
  2. пропорциональное усиление (P-компонента)
  3. интегрирование ошибки (I-компонента)
  4. дифференцирование ошибки (D-компонента)
  5. суммирование всех компонент (P+I+D)
Вопрос 55

Основная функция для создания многослойного перцептрона в MATLAB — это …

  1. newelm()
  2. newgrnn()
  3. newff()
  4. newhop()
Вопрос 56

Блок … в Simulink позволяет сохранять данные в рабочую область MATLAB

  1. To Workspace
  2. Transfer Fcn
  3. Scope
  4. Ramp
Вопрос 57

Функция MATLAB … обучает нейронную сеть

  1. Train
Вопрос 58

Блок Simulink … предназначен для визуализации сигналов в процессе моделирования

  1. Scope
Вопрос 59

Установите соответствие между алгоритмами обучения искусственной нейронной сети и их характеристиками:

  1. Trainlm
  2. Trainbr
  3. Traingdx
  4. быстрый, но требует много памяти
  5. регуляризация для предотвращения переобучения
  6. градиентный спуск с моментом
Вопрос 60

Расположите этапы обучения нейронной сети в MATLAB в правильной последовательности:

  1. подготовка данных (нормализация, разделение)
  2. создание структуры сети
  3. настройка параметров обучения
  4. обучение сети
  5. тестирование сети (sim)
  6. анализ результатов (mse, regression)
Вопрос 61

Говоря о возможностях нейронных сетей и особенностях моделирования динамических систем, можно утверждать, что … (Укажите 3 варианта ответа)

  1. нейросети могут аппроксимировать нелинейные зависимости
  2. для обучения нейросетей всегда нужны большие наборы данных
  3. готовую нейросеть нельзя использовать в реальном времени
  4. Transport Delay учитывает временные задержки
  5. временные задержки в системах не влияют на стабильность процесса
Вопрос 62

Для предотвращения переобучения наиболее важен такой параметр, как …

  1. количество эпох
  2. целевая ошибка
  3. размер мини-пакета
  4. скорость обучения
Вопрос 63

Установите соответствие между блоком Simulink с его основной функцией:

  1. Ramp
  2. Step
  3. Transfer Fcn
  4. генерация линейного сигнала
  5. Формирование ступенчатого сигнала
  6. Моделирование линейной системы через передаточную функцию
Вопрос 64

В скрытых слоях современных нейронных сетей чаще всего используется функция …

  1. tansig (гиперболический тангенс)
  2. ReLU (Rectified Linear Unit)
  3. sigmoid (сигмоида)
  4. step (ступенчатая функция)
Вопрос 65

Расположите действия настройки нейросетевого регулятора в правильном порядке:

  1. добавление блока Neural Network Controller из библиотеки
  2. загрузка обученной нейросети в блок
  3. подключение к модели объекта управления
  4. настройка параметров симуляции (время, шаг)
  5. анализ переходных процессов
Вопрос 66

… предполагает поэтапную обработку информации, где каждый следующий блок зависит от предыдущего следующий тип схемы управления

  1. Параллельная схема
  2. Последовательная схема
  3. Схема с самонастройкой
  4. Схема обратного распространения во времени
Вопрос 67

… использует несколько независимых блоков обработки информации одновременно

  1. Последовательная схема
  2. Параллельная схема
  3. Схема с обратной связью
  4. Иерархическая схема
Вопрос 68

Ключевой алгоритм для временных рядов в рекуррентных сетях обозначается английской аббревиатурой …

  1. BPTT
Вопрос 69

Механизм автоматической подстройки параметров модели в реальном времени в процессе ее работы называют … (Укажите 3 варианта ответа)

  1. адаптивное управление
  2. онлайн-обучение (online learning)
  3. обучение на лету (on-the-fly learning)
  4. пакетное обучение (batch learning)
  5. непрерывное обучение (continual learning)
Вопрос 70

Установите соответствие между схемами управления и их характеристиками.

  1. Последовательная
  2. Параллельная
  3. С самонастройкой
  4. Обратное распространение во времени
  5. обработка данных в строгом порядке
  6. несколько блоков работают одновременно
  7. автоматическая подстройка параметров
  8. коррекция весов с учетом временных данных
Вопрос 71

Расположите в правильном порядке этапы работы последовательной схемы управления:

  1. получение входных данных
  2. обработка первым блоком
  3. передача результата следующему блоку
  4. формирование выходного сигнала
Вопрос 72

Говоря о структурах и методах организации нейронных сетей, можно утверждать, что … (Укажите 3 варианта ответа)

  1. в параллельной схеме блоки работают независимо
  2. схема с самонастройкой не требует обучения-
  3. обратное распространение во времени используется в РНС
  4. последовательная схема может быть менее гибкой, чем параллельная
  5. реализация BPTT возможна исключительно в полносвязных нейронных сетях
Вопрос 73

Для обучения схемы с самонастройкой чаще всего используется …

  1. метод Монте-Карло
  2. градиентный спуск
  3. метод ветвей и границ
  4. линейное программирование
Вопрос 74

Установите соответствие между терминами и их определениями:

  1. Последовательная схема
  2. Параллельная схема
  3. Обратное распространение
  4. Самонастройка
  5. пошаговая передача информации
  6. одновременная обработка данных
  7. коррекция весов с учетом прошлых данных
  8. автоматическая оптимизация параметров
Вопрос 75

Техника … разнородных нейросетевых моделей называется ансамблевое обучение (ensemble learning) или ансамблирование

  1. объединения