База ответов ИНТУИТ

Нейросетевые технологии искусственного интеллекта

<<- Назад к вопросам

Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1 = {5; 8}, Y2 = {3; 4}, Y3 = {6; 5}, Y4 = {1; 5}. Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала \delta_1 = [0, 1), \delta_2 = [1, 2), \delta_3 = [2, 3). По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип «размножения» решений.

(x_1 \in \delta_1 )\land (x_2 \in \delta_1 ) \to Y_2 \\(x_1 \in \delta_1 )\land (x_2 \in \delta_2 ) \to Y_3 \\(x_1 \in \delta_1 )\land (x_2 \in \delta_3 ) \to Y_4 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_1 ) \to Y_1 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_2 ) \to Y_2 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_3 ) \to Y_3 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_1 ) \to Y_4 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_2 ) \to Y_1 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_3 ) \to Y_2

(Отметьте один правильный вариант ответа.)
Варианты ответа
(Верный ответ)
Похожие вопросы

Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1 = {5; 8}, Y2 = {3; 4}, Y3 = {6; 5}, Y4 = {1; 5}. Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала \delta_1 = [0, 1), \delta_2 = [1, 2), \delta_3 = [2, 3). По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип «размножения» решений.

(x_1 \in \delta_1 )\land (x_2 \in \delta_1 ) \to Y_1 \\(x_1 \in \delta_1 )\land (x_2 \in \delta_2 ) \to Y_2 \\(x_1 \in \delta_1 )\land (x_2 \in \delta_3 ) \to Y_3 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_1 ) \to Y_4 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_2 ) \to Y_1 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_3 ) \to Y_2 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_1 ) \to Y_3 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_2 ) \to Y_4 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_3 ) \to Y_1

Диапазоны изменения измеряемых характеристик системы управления технологическим процессом разбиты на составляющие интервалы, определяемые требованиями по точности. Совокупность X = {x1, x2} измеренных значений, каждое из которых принадлежит некоторому интервалу, определяет вектор Y(y1, y2) необходимых управляющих воздействий, составляющих ограниченное множество векторов: Y1 = {5; 8}, Y2 = {3; 4}, Y3 = {6; 5}, Y4 = {1; 5}. Диапазон [0, 3] изменения переменных x1 и x2 разбит на три интервала \delta_1 = [0, 1), \delta_2 = [1, 2), \delta_3 = [2, 3). По данному логическому описанию системы управления составьте однослойную логическую нейронную сеть системы управления, используя принцип «размножения» решений.

(x_1 \in \delta_1 )\land (x_2 \in \delta_1 ) \to Y_3 \\(x_1 \in \delta_1 )\land (x_2 \in \delta_2 ) \to Y_4 \\(x_1 \in \delta_1 )\land (x_2 \in \delta_3 ) \to Y_1 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_1 ) \to Y_2 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_2 ) \to Y_3 \\(x_1 \in \delta_2 )\land (x_2 \in \delta_3 ) \to Y_4 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_1 ) \to Y_1 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_2 ) \to Y_2 \\(x_1 \in \delta_3 )\land (x_2 \in \delta_3 ) \to Y_3

Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечётко заданным характеристикам. Функция активации имеет вид:

V = \sum_{j} V_j Vi := V, если V > h, 0 – в противном случае; h = 0,5.

Нейронная сеть имеет вид:

Достоверность предположения о принадлежности значений x1 и x2 исследуемым интервалам равна:

P(x_1 \in \delta_2 ) = 0,2,\\P(x_1 \in \delta_3 ) = 0,8,\\P(x_2 \in \delta_1 ) = 0,2,\\P(x_2 \in \delta_2 ) = 0,7,\\P(x_2 \in \delta_3 ) = 0,1

Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечётко заданным характеристикам. Функция активации имеет вид:

V = \sum_{j} V_j Vi := V, если V > h, 0 – в противном случае; h = 0,5.

Нейронная сеть имеет вид:

Достоверность предположения о принадлежности значений x1 и x2 исследуемым интервалам равна:

P(x_1 \in \delta_2 ) = 0,2,\\P(x_1 \in \delta_3 ) = 0,8,\\P(x_2 \in \delta_1 ) = 0,2,\\P(x_2 \in \delta_2 ) = 0,6,\\P(x_2 \in \delta_3 ) = 0,2.

Рассчитайте значения возбуждения нейронов выходного слоя и найдите вектор управляющего воздействия по нечётко заданным характеристикам. Функция активации имеет вид:

V = \sum_{j} V_j Vi := V, если V > h, 0 – в противном случае; h = 0,5.

Нейронная сеть имеет вид: Достоверность предположения о принадлежности значений x1 и x2 исследуемым интервалам равна:
P(x_1 \in \delta_2 ) = 0,2,\\P(x_1 \in \delta_3 ) = 0,8,\\P(x_2 \in \delta_1 ) = 0,2,\\P(x_2 \in \delta_2 ) = 0,8.

Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:

V=\sum_{j}V_j; V_i := V/n_i , если V_i \geq h, 0 – в противном случае, ni – количество активных входов нейрона.

A_1\land C_1\land «B_3\backslash B_1» \to R_1 = \text{«Таиланд»};\\(A_1\land (C_1\land C_2)\land (B_1\land B_3))\land (А_2\land (C_1\land C_2)\land (B_1\land B_3)) \to R_2 = \text{«Анталия»}.

Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:

V=\sum_{j}V_j; V_i := V/n_i , если V_i \geq h, 0 – в противном случае, ni – количество активных входов нейрона.

(A_1\lor A_2)\land (C_1\land «B_1\land B_3»)\land (C_2\land «B_1\land B_3») \to R_1 = \text{«Дубай»};\\(A_1\lor A_2)\land (C_1\lor C_2)\land (B_1\lor B_3) \to R_2 = \text{«Красное море»}.
Поясните некоторые нюансы формирования решений логической нейронной сети. Постройте логическую нейронную сеть по её логическому описанию
x_1\land x_3\land x_5 \to \text{ Решение 1,}\\(x_1\land x_2) \to \text{ Решение 2,}\\(x_3\land x_4\land x_5) \to \text{ Решение 2.}

Ситуация описывается нечёткими значениями (достоверностью) событий x1, …, x5. Функция активации нейрона формируется:

F_i=\frac{\sum_{j}F_j}{n_i}, если это значение не меньше порога h, 0 – в противном случае; ni – количество активных входов (дендритов) i-го нейрона, fj – значение возбуждения рецептора xj, связанного с i-м нейроном (j \in {1, ..., 5}).

Составьте однослойные логические нейронные сети по описанию систем принятия решений. Функция активации имеет вид:

V=\sum_{j}V_j; V_i := V/n_i , если V_i \geq h, 0 – в противном случае, ni – количество активных входов нейрона.

(A_1\lor A_2)\land (C_1\land C_2)\land «B_1&B_3» \to R_1 = \text{«Лазурный Берег»};\\(A_1\lor A_2)\land (C_1\land (B_1\lor B_3)\lor (C_2\land (B_1\lor B_3)) \to R_2 = \text{«о. Родос»}.

Постройте логическую нейронную сеть «железнодорожная рулетка» для различных вариантов V1 и V2 скорости паровозов, влияющей на величину гонорара линейных. Воспользуйтесь функцией активацииV=\sum_{j}V_j; V_i := V, \text{ если V } \geq h, 0 – в противном случае, h = 0,5.

V1 = 60 км/ч, V2 = 90 км/ч.

А1\land В1 \to R1 = <Отправить обоих линейных на середину перегона, заплатив гонорар $230>;\\A1\land В2 \to R2 = <Отправить даму с приветственным платочком, заплатив гонорар $70>;\\A2\land В1 \to R3 = <Отправить линейного с подстилочной соломкой, заплатив гонорар $80>;\\А2\land В2 \to R4 = <Отправить обоих линейных на середину перегона, заплатив гонорар $260>
.