Nauka
Egzamin uek 2022 PSI
Wyświetlane są wszystkie pytania.
Pytanie 17
Sieć neuronowa Kohonena (SOM) generalnie jest przeznaczona do realizacji:
klasyfikacji wzorcowej
prognozowania lub szacowania wartości
klasyfikacji bezwzorcowej (grupowania)
analizy szeregów czasowych
Pytanie 18
Wskaż drugi algorytm (metodę), który służy do rozwiązywania tego samego typu problemów eksploracji danych, co algorytm k-najbliższych sąsiadów:
algorytm Kohonena (sieć neuronowa typu
algorytm k-średnich
algorytm PCA (analiza głównych składowych)
algorytm CART (drzewa klasyfikacyjne i regresyjne)
Pytanie 19
Na etapie wstępnej eksploracyjnej analizy danych najmniej przydatne jest:
użycie metod nienadzorowanej klasteryzacji
wizualne porównanie współzależności par zmiennych
wygenerowanie histogramów zmiennych ciągłych
zliczenie wystąpień wartości zmiennych nominalnych
Pytanie 20
Klasyczny (perceptronowy) model neuronu posiada dwa wejścia o wagach w1=1, w2=2, na które podano odpowiednio sygnały x1=−1, x2=+1. Funkcja aktywacji jest funkcją liniową postaci y=2x. Sygnał wyjściowy neuronu wynosi:
0
1
-1
2
Pytanie 21
Aby wyeliminować tzw. efekt przeuczenia sieci neuronowej (uczenie nadzorowane), należy uznać za optymalny (ostateczny) zbiór wartości wag, otrzymany w momencie:
minimum błędu dla ciągu uczącego
minimum błędu dla ciągu walidacyjnego
zidentyfikowania minimum lokalnego funkcji błędu uczącego
zakończenia działania algorytmu uczącego
Pytanie 22
Metoda wzmacniania gradientowego (gradient boosting) służy do:
przyspieszania procesu uczenia głębokich sieci neuronowych
budowania mocnego modelu złożonego z wielu słabszych modeli
zwiększania kontrastu pomiędzy blisko leżącymi klastrami
generowania dodatkowych sztucznych próbek w zbiorach uczących
Pytanie 23
Hiperparametrami modelu nazywa się parametry, które:
opisują wagi połączeń pomiędzy całymi warstwami sieci
mogą zmieniać się w bardzo szerokim zakresie wartości
są dopasowywane podczas uczenia do danych wejściowych
sterują przebiegiem procesu uczenia modelu
Pytanie 24
Istotną WADĄ sieci neuronowych jako modeli eksploracji danych jest:
brak zdolności wyjaśniania (uzasadniania) wygenerowanych odpowiedzi
brak zdolności do modelowania zjawisk nieliniowych
bardzo długi czas reakcji (odpowiedzi) nauczonej sieci
nieparametryczność