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 9

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

14 вопросов Вариант 9 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Финансовая компания хочет прогнозировать колебания курса акций на основе исторических данных, учитывая сложные нелинейные зависимости и временные паттерны. Какой тип нейронной сети лучше всего подойдет для прогнозирования колебаний курса акций на основе исторических данных?

  1. Для этого лучше всего подойдет полносвязная сеть прямого распространения.
  2. Для этого лучше всего подойдет рекуррентная нейросеть.
  3. Для этого лучше всего подойдет сеть Кохонена.
  4. Для этого лучше всего подойдет радиально-базисная сеть.
Вопрос 2

Исследовательский центр проводит опрос перед выборами, чтобы спрогнозировать результаты. Данные включают возраст, доход, политические предпочтения и географическое положение респондентов. Какой тип нейронной сети лучше всего подойдет для анализа и кластеризации этих данных?

  1. Для этого подойдет сверточная нейронная сеть.
  2. Для этого подойдет нейронная сеть Хопфилда.
  3. Для этого подойдет рекуррентная нейронная сеть.
  4. Для этого подойдет многослойный перцептрон.
Вопрос 3

Команда разработчиков создает чат-бота для службы поддержки. Бот должен понимать контекст диалога, запоминать предыдущие реплики пользователя и генерировать осмысленные ответы. Требуется выбрать подходящую архитектуру нейронной сети. Какой тип нейронной сети наиболее подходит для этой задачи?

  1. В решении этой задачи наиболее подойдет сверточная нейронная сеть.
  2. В решении этой задачи наиболее подойдет рекуррентная нейронная сеть.
  3. В решении этой задачи наиболее подойдет радиально-базисная сеть.
  4. В решении этой задачи наиболее подойдет нейронная сеть Хопфилда.
Вопрос 4

На производстве требуется создать систему контроля качества, которая должна обнаруживать дефекты на движущихся деталях конвейера. Система должна анализировать видео в реальном времени, выделяя дефекты на основе их пространственных характеристик. Какую нейронную сеть лучше применить для решения этой задачи?

  1. В данном случае лучше применить комбинацию сверточной и рекуррентной нейронной сети.
  2. В данном случае лучше использовать только многослойный перцептрон.
  3. В данном случае лучше применить нейронную сеть Хэмминга.
  4. В данном случае лучше задействовать рециркуляционную сеть.
Вопрос 5

При обучении нейронной сети методом обратного распространения ошибки обнаружено, что ошибка на валидационной выборке перестала уменьшаться, хотя до глобального минимума еще далеко. Как можно модифицировать процесс обучения нейронной сети?

  1. Для этого требуется увеличить шаг обучения.
  2. Для этого рекомендуется использовать стохастический градиентный спуск или алгоритм имитации отжига.
  3. Для этого следует применить правило обучения Хебба.
  4. Для этого нужно уменьшить количество скрытых слоев.
Вопрос 6

Разработчику нейронных сетей требуется создать нейронную сеть, способную восстанавливать полные образы по их частичным или зашумленным версиям. Датасет не размечен. Какой метод обучения позволит восстановить полные образы?

  1. Поможет метод обратного распространения ошибки
  2. Поможет больцмановское обучение.
  3. Поможет алгоритм обратного распространения с адаптивным шагом.
  4. Поможет генетический алгоритм.
Вопрос 7

На химическом производстве требуется управлять сложным реактором с нелинейной динамикой. Традиционные ПИД-регуляторы не справляются с резкими изменениями параметров. Руководство рассматривает внедрение нейросетевого управления. Какой аргумент можно привести в пользу внедрения нейроупарвления?

  1. Нейросети гарантируют абсолютную точность без ошибок.
  2. Нейросети способны адаптироваться к нелинейностям и изменяющимся условиям.
  3. Нейросети требуют меньше вычислительных ресурсов, чем ПИД-регуляторы.
  4. Нейросети не нуждаются в обучении.
Вопрос 8

Компания разрабатывает автономный грузовик для работы в условиях нестабильных дорожных условий (снег, гололед, грунтовые дороги). Стандартные алгоритмы управления на основе жестких правил часто дают сбои. По какой причине нейросетевое управление будет предпочтительнее для компании?

  1. Потому что нейросети работают без входных данных.
  2. Потому что нейросети дешевле традиционных систем.
  3. Потому что нейросети не требуют подключения к датчикам.
  4. Потому что нейросети могут обучаться на реальных данных и обобщать опыт для различных условий.
Вопрос 9

В резервуаре с жидкостью используется ПИД-регулятор для поддержания заданного уровня. При резком изменении расхода жидкости регулятор долго выходит на уставку, хотя насос уже работает на максимальной мощности. В чем заключается причина такого поведения системы?

  1. Слишком малый пропорциональный коэффициент Kp.
  2. Эффект интегрального насыщения (накопление ошибки интегратором при ограничении управляющего сигнала).
  3. Отсутствие дифференциальной составляющей.
  4. Неправильная калибровка датчика уровня.
Вопрос 10

Компании разработать систему управления скоростью вращения турбины, КПД которой зависит от нагрузки нелинейно и имеет явный максимум. Известно, что оптимальная скорость соответствует максимальному КПД, но точная математическая модель системы отсутствует. Какой метод нейроуправле обеспечит оптимальное решение задачи?

  1. Следует выбрать классический ПИД-регулятор с фиксированными коэффициентами.
  2. Следует выбрать адаптивное управление с идентификацией параметров.
  3. Следует выбрать релейный регулятор.
  4. Следует выбрать экстремальное управление (поиск максимума КПД в реальном времени).
Вопрос 11

При обучении нейросети для идентификации динамического объекта ошибка на обучающей выборке очень мала (MSE ≈ 1e-5), но на тестовых данных ошибка возрастает в 100 раз. При каких условиях можно устранить эту проблему?

  1. Устранить эту проблему можно, если увеличить количество нейронов в скрытом слое.
  2. Устранить эту проблему можно, если использовать алгоритм обучения с регуляризацией (trainbr).
  3. Устранить эту проблему можно, если уменьшить количество эпох обучения.
  4. Устранить эту проблему можно, если удалить часть обучающих данных.
Вопрос 12

Для того, чтобы обученная нейросеть была встроена в систему управления электродвигателем, требуется: — учесть инерционность объекта (задержка 0.5 с); — сравнить работу нейрорегулятора с классическим ПИД. Какие блоки Simulink обязательны для этой модели?

  1. Для этой модели подойдут Transport Delay, Neural Network, Scope и PID Controller.
  2. Для этой модели подойдут Ramp, To File и Saturation.
  3. Для этой модели подойдут Step, Gain и Integrator.
  4. Для этой модели подойдут Random Number и Zero-Pole.
Вопрос 13

Разработчики улучшают нейросеть для распознавания речи. Им необходимо, чтобы система анализировала аудиопоток в реальном времени, учитывая контекст предыдущих фраз для более точного предсказания слов. Какой метод управления наиболее подойдет в данном случае?

  1. Наиболее подойдет последовательная схема, так как обработка идет пошагово.
  2. Наиболее подойдет параллельная схема для ускорения обработки звука.
  3. Наиболее подойдет схема с самонастройкой для адаптации к разным голосам.
  4. Наиболее подойдет схема обратного распространения во времени, так как она учитывает временные зависимости в речи.
Вопрос 14

Беспилотный автомобиль движется по городу, где условия постоянно меняются: погода, дорожная обстановка. Требуется, чтобы на основе изменяющихся данных система могла самостоятельно и мгновенно корректировть параметры управления: скорость, траекторию. Какой принцип организации управляющей системы предпочтителен для беспилотного автомобиля, движущегося в условиях меняющейся городской обстановки?

  1. Последовательная обработка данных для формирования пошаговых решений.
  2. Параллельный анализ поступающих данных от множества датчиков одновременно.
  3. Система с самонастройкой, способная оперативно адаптироваться к изменениям окружающей среды.
  4. Использование метода обратного распространения во времени для учёта предыдущего опыта вождения.