Ответы к контрольной работе: Основы нейроинформатики и машинного обучения

Пусть в полносвязной нейронной сети 2 входных нейрона, 3 нейрона в скрытом слое и 1 выходной нейрон. Число ВСЕХ параметров такой нейронной сети равно

Какая формула соответствует метрике accuracy (TP – истинно положительные, TN – истинно отрицательные, FP – ложно положительные, FN – ложно отрицательные)?

Что такое машинное обучение?

Какова общая идея локальной интерпретации?

Какой тип нейронных сетей в большей мере подходит для обработки картинок?

Какая формула соответствует метрике precision (TP – истинно положительные, TN – истинно отрицательные, FP – ложно положительные, FN – ложно отрицательные)?

У вас есть выборка по одобрению выдачи кредитов в зависимости от возраста и дохода заемщика. Ваша задача заключается в составлении прогноза по одобрению кредита для данных из тестовой выборки. Для составления прогноза предлагается использовать однослойный перцептрон. Не забудьте выполнить нормализацию значений признаков. скорость обучения η = 0.15, w0 = 0.9, w1 = 0.3, w2 = 0.9 функция активации – гиперболический тангенс формула коррекции весов – Обучающая выборка: Возраст Доход Кредит одобрен 52 30000 Да 27 12000 Нет 21 2000 Нет 71 24000 Нет 34 61000 Да 54 26000 Да 44 70000 Да 24 10000 Нет 48 6000 Нет 65 31000 Да 61 14000 Нет 39 27000 Да 28 17000 Да Тестовая выборка: Возраст Доход Кредит одобрен 69 24000

У вас есть выборка по одобрению выдачи кредитов в зависимости от возраста и дохода заемщика. Ваша задача заключается в составлении прогноза по одобрению кредита для данных из тестовой выборки. Для составления прогноза предлагается использовать однослойный перцептрон. Не забудьте выполнить нормализацию значений признаков. скорость обучения η = 0.15, w0 = 0.9, w1 = 0.3, w2 = 0.9 функция активации – гиперболический тангенс формула коррекции весов – Обучающая выборка: Возраст Доход Кредит одобрен 52 30000 Да 27 12000 Нет 21 2000 Нет 71 24000 Нет 34 61000 Да 54 26000 Да 44 70000 Да 24 10000 Нет 48 6000 Нет 65 31000 Да 61 14000 Нет 39 27000 Да 28 17000 Да Тестовая выборка: Возраст Доход Кредит одобрен 35 20000

У вас есть выборка по одобрению выдачи кредитов в зависимости от возраста и дохода заемщика. Ваша задача заключается в составлении прогноза по одобрению кредита для данных из тестовой выборки. Для составления прогноза предлагается использовать однослойный перцептрон. Не забудьте выполнить нормализацию значений признаков. скорость обучения η = 0.2, w0 = 0.3, w1 = 0.4, w2 = 0.2 функция активации σ(x) – сигмоидальная формула коррекции весов – Обучающая выборка: Возраст Доход Кредит одобрен 52 30000 Да 27 12000 Нет 21 2000 Нет 71 24000 Нет 34 61000 Да 54 26000 Да 44 70000 Да 24 10000 Нет 48 6000 Нет 65 31000 Да 61 14000 Нет 39 27000 Да 28 17000 Да Тестовая выборка: Возраст Доход Кредит одобрен 72 45000

У вас есть выборка по пригодности воды для питья в зависимости от ее кислотности и жесткости. Ваша задача заключается в составлении прогноза пригодности воды из тестовой выборки для питья. Не забудьте выполнить нормализацию значений признаков. Для составления прогноза предлагается использовать однослойный перцептрон со следующими параметрами: скорость обучения η = 0.2, w0 = 0.5, w1 = 0.5, w2 = 0.6 функция активации – ReLu формула коррекции весов – Обучающая выборка: Кислотность Жесткость Пригодна для питья? 3 10 Нет 11 9.8 Нет 7 9 Да 8.5 8.9 Да 8.3 8 Да 6.3 6.4 Нет 12 6 Нет 7.1 6 Да 4 10.1 Нет 6 7 Нет 15 13 Нет 6.7 9.5 Да 7.5 9.8 Да Тестовая выборка: Кислотность Жесткость Пригодна для питья? 6.8 9.3

У вас есть выборка из части аргументов и значений булевой функции. Ваша задача – обучить однослойный перцептрон, и восстановить отсутствующие оставшиеся значения функции по ее аргументам. Начальные параметры: скорость обучения – 0.3, w0 = 0.2, w1 = 0.1, w2 = 0.6, w3 = 0.7 Обучающая выборка: x1 x2 x3 f(x) = 0 1 0 0 0 1 1 0 1 0 0 1 1 0 1 1 1 1 0 1 Тестовая выборка: x1 x2 x3 f(x) = 0 0 1

У вас есть выборка из части аргументов и значений булевой функции. Ваша задача – обучить однослойный перцептрон, и восстановить отсутствующие оставшиеся значения функции по ее аргументам. Начальные параметры: скорость обучения – 0.2, w0 = 0.6, w1 = 0.4, w2 = 0.6, w3 = 0.3 Обучающая выборка: x1 x2 x3 f(x) = 0 1 0 1 0 1 1 1 1 0 0 0 1 0 1 1 1 1 0 0 Тестовая выборка: x1 x2 x3 f(x) = 0 0 1

У вас есть выборка из части аргументов и значений булевой функции. Ваша задача – обучить однослойный перцептрон, и восстановить отсутствующие оставшиеся значения функции по ее аргументам. Начальные параметры: скорость обучения – 0.3, w0 = 0.12, w1 = 0.7, w2 = 0.7, w3 = 0.5 Обучающая выборка: x1 x2 x3 f(x) = 0 1 0 1 0 1 1 1 1 0 0 0 1 0 1 1 1 1 0 0 Тестовая выборка: x1 x2 x3 f(x) = 1 1 1

У вас есть выборка из части аргументов и значений булевой функции. Ваша задача – обучить однослойный перцептрон, и восстановить отсутствующие оставшиеся значения функции по ее аргументам. Начальные параметры: скорость обучения – 0.3, w0 = 0.2, w1 = 0.1, w2 = 0.6, w3 = 0.7 x1 x2 x3 f(x) = 0 1 0 0 0 1 1 0 1 0 0 1 1 0 1 1 1 1 0 1 Тестовая выборка: x1 x2 x3 f(x) = 0 0 1

Какие из перечисленных моделей не относятся к интерпретируемым?

Устойчивая сеть Хопфилда является:

Для каких из перечисленных целей может быть применена кластеризация?

У вас есть выборка по одобрению выдачи кредитов в зависимости от возраста и дохода заемщика. Ваша задача заключается в составлении прогноза по одобрению кредита для данных из тестовой выборки. Для составления прогноза предлагается использовать однослойный перцептрон. Не забудьте выполнить нормализацию значений признаков.скорость обучения η = 0.15, w0 = 0.9, w1 = 0.3, w2 = 0.9 функция активации – гиперболический тангенс

В каких областях глубокие нейронные сети успешно используются?

Какие последствия может повлечь «одоление» дискриминатора генератором в GAN?

У вас есть выборка из части аргументов и значений булевой функции. Ваша задача – обучить однослойный перцептрон, и восстановить отсутствующие оставшиеся значения функции по ее аргументам. Начальные параметры: скорость обучения – 0.2, w0 = 0.6, w1 = 0.3, w2 = 0.2, w3 = 0.2 Тестовая выборка: 0 0 0

У вас есть выборка из части аргументов и значений булевой функции. Ваша задача – обучить однослойный перцептрон, и восстановить отсутствующие оставшиеся значения функции по ее аргументам. Начальные параметры: скорость обучения – 0.2, w0 = 0.6, w1 = 0.4, w2 = 0.6, w3 = 0.3 Тестовая выборка: 0 0 1

Каково значение метрики AUC-ROC, если классификатор не допускает ошибок?

В чем отличие разреженного автокодера от обычного?

Какие части автокодера необходимы для генерации?

Метод k ближайших соседей может решать задачу(и):

Какая эвристика используется для выбора числа соседей k в методе k ближайших соседей?

Что является входными данными для генератора в GAN?

Что из перечисленного используется для интерпретации неинтерпретируемых моделей?

Что из перечисленного НЕ является функцией активации: _____

Матрица, использующаяся для оценки качества классификации называется: Матрица ____

Достаточно ли декодера вариационного автокодера для генерации?

Начиная с какого времени сверточные нейронные сети используются для обработки изображений?

В чем заключается особенность примеров в методе интерпретации «конфликтные примеры»?

Что означает Model-agnostic в названии метода LIME?

Из каких частей состоит автокодер?

Какие параметры являются настраиваемыми в сверточных сетях?

t-SNE относится к ____ методам сокращения размерности.

Для чего используется расстояние Кульбака-Лейблера в методе t-SNE?

Что из перечисленного НЕ является методом сокращения размерности

Переобучение – это …

В методе опорных векторов используется разделение пространства гиперплоскостью, какой главный критерий выбора оптимальной гиперплоскости, при условии, что разделяемые классы линейно разделимы?

Что из перечисленного является генеративной моделью?

Может ли модель интерпретироваться не целиком, а отдельными блоками?

Что из перечисленного является методом кластеризации?

Является ли метрика AUC-ROC устойчивой к несбалансированным классам?

Обязательно ли иметь данные для обучения суррогатных моделей?

На чем основывается метод SHAP?

Методы кластеризации, из перечисленных, включают:

Верно ли утверждение, что GAN быстро тренируются?

Что в базе знаний является долгосрочной информацией?

Какие функции могут быть представлены простейшим нейроном без функции активации?

Какая формула соответствует метрики recall (TP – истинно положительные, TN – истинно отрицательные, FP – ложно положительные, FN – ложно отрицательные)?

Что является выходом декодера вариационного автокодера?

На чем основываются методы поиска «влиятельных объектов»?

Какой размер будет у изображения размера 32х32 пикселя после обработки ядром 3х3 со сдвигом на 1 пиксель:

Чем отличается задача классификации от задачи восстановления регрессии?

Может ли нейронная сеть распознавать изображения лучше че

Дискриминатор в GAN работает только с заведомо сфальсифицированными значениями?

Использование какого компонента компьютера для обучения нейронных сетей вызвало огромный рост интереса к нейронным сетям начале 2010 годов?

Какой тип нейронных сетей в большей мере подхо

К какому классу задач машинного обучения принадлежит классификация?

Что из перечисленного НЕ является разделом машинного обучения:

Может ли быть использован метод опорных векторов для классификации линейно неразделимых множеств.

Что означает модификация «взвешенное голосование» в KNN?

Что из перечисленного относится к классу задач обучения с учителем?

Почему линейная модель является интерпретируемой?

Какой критерий используется для определения наилучшего разбиения в алгоритме CART?

Существует ли ограничение на число слоев нейронной сети для применения метода обратного распространения ошибки?

Чем отличается обычная нейронная сеть от глубокой нейронной сети?

Чему учится сиамские нейронные сети?

Простейший искусственный нейрон – это

Для чего используются ядра свертки?

Как называются слои сети, находящиеся между входным и выходным слоями?

Сохраняется ли расстояние между точками в методе t-SNE после проецирования?

Какая формула соответствует метрики precision (TP – истинно положительные, TN – истинно отрицательные, FP – ложно положительные, FN – ложно отрицательные)?

Что обозначает отсутствие «учителя» при обучении без учителя?

Что из перечисленного является видом классификации

Что является сферой приложения машинного обучения

Какие требования можно наложить на интерпретацию

Какова общая идея локальной интерпретации

Что означает Model-agnostic в названии метода LIME

В чем заключается особенность примеров в методе интерпретации «конфликтные примеры»

Из каких частей состоит автокодер

Какой размер будет у карты признаков размера 32х32 пикселя после проведения субдескритизации (pooling) размера 2х2

Для чего проводится «стрижка» решающих деревьев

При распознавании изображения число весов в полносвязной нейронной сети будет …

Можно ли осознанно влиять на результат генерации вариационного автокодера, управляя латентным слоем?

Какие методы для распознавания речи использовались до глубоких нейронных сетей?

Может ли нейронная сеть распознавать изображения лучше человека?

Является ли латентный слой вариационного автокодера интерпретируемым?

Как будет зависеть выход полносвязной нейронной сети из n слоев от ее входов, если нейроны в этой сети не имеют функции активации?

В чем заключается состязательный элемент генеративно-состязательной нейросети

Метод LIME относится к локальным или глобальным моделям?

Может ли база знаний продуцировать новые факты?

Все ли методы оценки важности признаков обладают свойством согласованности?

В методе анализа частичной зависимости признаки считаются зависимыми?

Что делает генератор в GAN?

Что делает дискриминатор в GAN?

К какому типу обучения относится роботика?