Перечислите основные задачи построения систем распознавания


Скачать 116.99 Kb.
НазваниеПеречислите основные задачи построения систем распознавания
Дата публикации06.03.2013
Размер116.99 Kb.
ТипДокументы
userdocs.ru > Информатика > Документы

  1. Перечислите основные задачи построения систем распознавания.


1)Проектируемая система распознавания изучает особенности объектов и выясняет отличия и сходства изучаемых объектов
2)Проведение классификации распознаваемых объектов или явлений. Главное - выбор подходящего принципа классификации.
3)Составление словаря признаков, используемого как для априорного описания классов, так и для апостериорного описания каждого неизвестного объекта. Признаки можно подразделить на логические (детерминированные) и вероятностные.
4)Описание классов объектов на языке признаков.


  1. Какие типы признаков, используемых для априорного и апостериорного описания классов, Вам известны?

-бинарный признак: d_f=\{0,1\};

-номинальный признак: d_f — конечное множество;

-порядковый признак: d_f — конечное упорядоченное множество;

-количественный признак: d_f — множество действительных чисел.

  1. Какие ограничения необходимо учитывать при разработке словаря признаков?

а) уменьшение статистической устойчивости результатов распознавания; б) зависимость продолжительности работ по измерению значений признаков (затрат времени) от технологии работ по распознаванию.

  1. Какие вероятностные характеристики, используемые при построении вероятностных систем распознавания, Вам известны?

-функция плотности распределения вероятностей появления образа f ε (х)

-условные вероятности принадлежности некоторого образа заданным классам p(wi | x0)

-вероятности появления классов pi = (wi)

-функции условных плотностей распределения вероятностей образов внутри классов fi(x) = f ε (х | wi)

  1. Как можно классифицировать системы распознавания?

-системы распознавания без обучения

-системы распознавания с обучением

  1. Укажите известные Вам способы получения априорной информации.

-непосредственное изучение фактических данных

-эвристическое конструирование

  1. Как выполняется анализ априорной статистической информации?

-проверить существует ли вероятностная зависимость между xk и xb

-подобрать кривую, либо поверхность распределений, сглаживающую изучающий ряд распределений

  1. Как определяется вероятность ошибки первого рода?

Если объект относится к классу Ω1 а его считают объектом класса Ω2, то совершена ошибка — ошибка первого рода, условная вероятность которой 頸ӓ顀ӓˆ

  1. Как определяется вероятность ошибки второго рода?

если справедлива гипотеза Н2, а отдано предпочтение гипотезе Нх, то совершена ошибка второго рода, условная вероятность которой 亐ӓ亘ӓˆ

  1. Как определяется средняя стоимость, которую приходится платить при многократном распознавании неизвестных объектов?




  1. Что называется риском, соответствующим k-ой гипотезе?

R =

  1. Что называется отношением правдоподобия?



Величину называют отношением правдоподобия, т.к данная запись представляет собой отношения двух функций случайной величины.

  1. Какие стратегии построения вероятностных систем распознавания без обучения Вам известны?

Стратегия Байеса, Минимаксная стратегия и стратегия Неймана-Пирсона.


  1. Как определить апостериорную вероятность принадлежности образа некоторому классу?

Апостериорная вероятность принадлежность образа, предположим к 1 классу, определяется следующим образом:

P(

  1. Как принимается решение о принадлежности распознаваемого образа к одному из классов, если используется Байесова стратегия?

правило, в соответствии с которым стратегия решений выбирается таким образом, чтобы обеспечить минимум среднего риска. Минимум риска, усредненного по множеству решений задачи распознавания неизвестных объектов, обеспечивается тогда, когда решения о принадлежности объектов классу Ω1 и Ω2 принимаются в соответствии со следующим правилом: если измеренное значение признака у данного объекта расположено в области R1 то объект относится к классу Ω1 если в области R2 — к классу Ω2.

  1. Какая информация необходима, чтобы построить вероятностную систему распознавания без обучения с использованием стратегии Байеса?

априорные вероятности и стоимости ошибок

  1. Как принимается решение о принадлежности распознаваемого образа к одному из классов, если используется минимаксная стратегия?

Минимаксная стратегия состоит в том, что решение о принадлежности неизвестного объекта соответствующему классу принимается на основе байесовской стратегии, соответствующей такому значению P(Ω1), при котором средний риск максимален

  1. Какая информация необходима, чтобы построить вероятностную систему распознавания без обучения с использованием минимаксной стратегии?

стоимости ошибок

  1. Как принимается решение о принадлежности распознаваемого образа к одному из классов, если используется стратегия Неймана-Пирсона?




  1. Какая информация необходима, чтобы построить вероятностную систему распознавания без обучения с использованием стратегии Неймана-Пирсона?

допустимая величина ошибки или 1 или 2 рода

  1. Какая информация необходима, чтобы построить систему распознавания с обучением?

Как минимум нужно выявить кластер → Для того чтобы определить на множестве данных кластер необходимо ввести меру сходства (подобия), которая будет положена в основу правила отнесения образов к области характеризуемой некоторым центром кластера.

  1. Как формируется общий вид потенциальной функции первого типа?

K(X1, Xk)=

  1. Какие функции могут быть использованы в качестве потенциальных функций второго типа?

Требуется, чтобы выбранная функция допускала разложение в бесконечный ряд.


  1. Как формируется кумулятивный потенциал?

На этапе обучения объекты обучающей выборки предъявляются системе распознавания, которая последовательно вычисляет значения потенциальных функций и кумулятивного потенциала (Ki(X)).

В начале обучения K = 0;

Далее его вид корректируется:





  1. Что такое кластер?

Под кластером понимают группу объектов, образующих в пространстве признаков компактную, в некотором смысле, область.

  1. Перечислите известные Вам алгоритмы кластерного анализа.

  • Алгоритм выявления кластера

  • Алгоритм минимаксного расстояния

  • Алгоритм «К внутри общих средних»





  1. Как можно оценить результаты кластерного анализа?

  • Целесообразно посмотреть количество образов внутри каждой кластерной области.

  • Разброс образов относительно центра (дисперсия)

  • Расстояния между центрами кластерных областей (в комбинации с пунктом 1 вопрос о слиянии)

  1. Дайте определение искусственной нейронной сети.

— математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. Впоследствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.


  1. Перечислите задачи, решаемые в контексте нейронных сетей.

  • классификация образов

  • кластеризация / категоризация

  • аппроксимация функций

  • прогнозирование

  • оптимизация

  • управление




  1. Перечислите элементы биологического нейрона.

БН имеет тело с набором органелл (сома). Внутри тела ядро, а из сомы выходят многочисленные отростки ( дендриты и аксоны). Входные сигналы поступают в клетку через синапсы.

  1. Изобразите структуру искусственного нейрона.



1.Нейроны, выходные сигналы которых поступают на вход данному

2.Сумматор входных сигналов

3.Вычислитель передаточной функции

4.Нейроны, на входы которых подаётся выходной сигнал данного

5. — веса входных сигналов

  1. Каким соотношением описывается математическая модель нейрона?

,где 26d63478e01213a317db1123c14d2759




  1. Какие синаптические связи называются возбуждающими?

  2. Какие синаптические связи называются тормозящими?

Каждая связь характеризуется своим весом. Связи с положительным весом называются возбуждающими, а с отрицательным — тормозящими.

  1. Перечислите свойства сигмоидальной логистической функции активации, определившие ее широкое применение в моделях искусственных нейронов.

Математически эту функцию можно выразить так:

57eb4c21d357a5f7cd97a4597ea28abc

Здесь t — это параметр функции, определяющий её крутизну. Когда t стремится к бесконечности, функция вырождается в пороговую. При сигмоида вырождается в постоянную функцию со значением 0,5. Область значений данной функции находится в интервале (0,1). Важным достоинством этой функции является простота её производной:



  1. Классифицируйте искусственные нейронные сети по типу их архитектуры.

По архитектуре связей нейронные сети можно разделить на два класса: сети прямого распространения (без обратных связей) и рекуррентные сети (с обратными связями)

  1. Изобразите схематично структуру многослойной сети без обратных связей.



  1. Какие нейронные сети называются бинарными?

Сети, в которых каждый нейрон системы может принимать одно из двух состояний.

  1. Какие нейронные сети называются аналоговыми?

Сети, в которых каждый нейрон системы принимает информацию в форме действительных чисел

  1. Какие нейронные сети называются синхронными?

Нейронная сеть, в которой в каждый момент времени свое состояние меняет лишь один нейрон.

  1. Какие нейронные сети называются асинхронными?

Нейронная сеть, в которой в каждый момент времени состояние меняется у целой группы нейронов, как правило, у всего слоя.

  1. Перечислите основополагающие принципы, которыми руководствуются при решении задачи синтеза новой конфигурации нейронной сети.

Возможности сети возрастают с увеличением числа ячеек сети, плотности связей между ними и числом выделенных слоев

Введение обратных связей наряду с увеличением возможностей сети поднимает вопрос о динамической устойчивости сети;

Сложность алгоритмов функционирования сети (в том числе, например, введение нескольких типов синапсов – возбуждающих, тромозящих и др.) также способствует усилению мощи НС

  1. Изобразите схему процесса обучения искусственной нейронной сети, кратко охарактеризуйте процесс обучения нейронной сети.


http://ifets.ieee.org/russian/depository/v8_i4/html/4_image07.jpg

  1. Какие группы алгоритмов многомерной оптимизации, используемые для обучения нейронной сети, Вам известны?

Алгоритм обратного распространения ошибки

Обучение с моментом (модификация предыдущего)

Градиентные способы

Имитация отжига

Обучение Больцмана

Генетические алгоритмы

  1. Какие подходы к выбору стратегии обучения нейронных сетей Вам известны?

Эвристические методы;

Математические методы;

Лингвистические (синтаксические) методы.

  1. Охарактеризуйте процесс обучения с учителем.

  2. Охарактеризуйте процесс обучения без учителя.

  3. Как выполняется уточнение весовых коэффициентов персептрона?

http://www.scorcher.ru/neuro/science/perceptron/mem32.files/image012.gif

где xi - i-ый вход НС

dj - желаемый j-тый выход НС

a - скорость обучения

Весовые коэффициенты меняются только в том случае, если реальное выходное значение не совпадает идеальным выходным значением

  1. Как выполняется уточнение весовых коэффициентов, если используется правило Видроу-Хоффа?

http://www.scorcher.ru/neuro/science/perceptron/mem32.files/image028.gif

где а - это скорость обучения сети

  1. Какие сигмоидальные функции активации Вам известны?

Гиперболический тангенс

Сигмоидальная логистическая

  1. Какие критерии для фиксирования момента завершения обучения нейронной сети Вам известны?

Когда максимальное количество эпох достигнуто

Когда ошибка не уменьшается

Когда ошибка в пределах допустимых границ

  1. Как выполняется уточнение весовых коэффициентов нейронной сети, состоящей из одного сигмоидального нейрона, если используется градиентный метод обучения нейрона?



где  t – номер текущей итерации;

 w – весовой коэффициент;

η – коэффициент скорости обучения, 0 < η <1.

  1. К какой группе алгоритмов многомерной оптимизации относится алгоритм обратного распространения ошибки?

Алгоритм обратного распространения ошибки является одним из методов обучения многослойных нейронных сетей прямого распространения, называемых также многослойными персептронами и относится к градиентным алгоритмам.

  1. Перечислите основные недостатки градиентного метода обучения нейрона.

Медленный.


  1. Как выполняется уточнение весовых коэффициентов нейронной сети, состоящей из одного сигмоидального нейрона, если используется градиентный метод с моментом?





где  t – номер текущей итерации;

 w – весовой коэффициент;

η – коэффициент скорости обучения, 0 < η <1;

dk – значение сети;

ykреальное значение, которое должна выдавать сеть;

Xk – входной вектор;

α - момент;

  1. Как определяется нейрон-победитель в сети Кохонена?

Как правило, выходные сигналы слоя Кохонена обрабатываются по правилу «победитель забирает всё»: наибольший сигнал превращается в единичный, остальные обращаются в нуль.

  1. Как выполняется уточнение весовых коэффициентов нейрона-победителя в сети Кохонена?

http://www.intuit.ru/img/tex/e6b7e9a05830f76d0946d5ac2dca4796.png

где http://www.intuit.ru/img/tex/726a72d94f1827e6440557117467ea38.png - вес нейрона-победителя при предъявлении вектора Х;

где http://www.intuit.ru/img/tex/2a0b3f7b81fac65ea0769cab53b8e1e3.png - коэффициент обучения.

  1. Перечислите типичные виды функций принадлежности.

  • треугольного типа

  • одиночного типа

  • трапецеидального типа

  • колоколообразного типа

  1. Какое нечеткое множество называется нормальным?

Нечетное множество называется нормальным, если его высота равна 1.

  1. Какое нечеткое множество называется субнормальным?

Нечетное множество называется субнормальным, если его высота строго меньше 1.

Похожие:

Перечислите основные задачи построения систем распознавания iconРассказ в экскурсии и основные требования, предъявляемые к нему....
...
Перечислите основные задачи построения систем распознавания iconОсновные задачи исследования
Разработать теоретический подход к решению задачи построения кт методом коллоидного синтеза
Перечислите основные задачи построения систем распознавания iconВопрос Дайте определение розничной и оптовой торговли. Перечислите...
Вопрос Дайте определение розничной и оптовой торговли. Перечислите основные функции торговли. Рассмотрите задачи розничной и оптовой...
Перечислите основные задачи построения систем распознавания iconЧастный случай распределительных систем
Основные проблемы построения сетей. Связь компьютера с периферийными устройствами
Перечислите основные задачи построения систем распознавания iconПричины проведения автоматизации документооборота
Роль и место информационных систем в бизнесе. Назначение, основные задачи информационных систем в бизнесе
Перечислите основные задачи построения систем распознавания iconВопросы по эса к государственному экзамену
Основные направления развития, принципы построения и методы анализа и синтеза современных электромеханических систем. Обобщенная...
Перечислите основные задачи построения систем распознавания iconСтруктурная минимизация систем управления, наблюдения и стабилизации
Решение этой задачи возможно редуцировать на линейные стационарные системы наблюдения, т к задача управляемости и наблюдаемости для...
Перечислите основные задачи построения систем распознавания iconИсследование бессознательного для построения систем искусственного интеллекта
В связи с растущей тенденцией по созданию искусственного интеллекта, задачи которого заключаются в имитации психических функций человека,...
Перечислите основные задачи построения систем распознавания iconУрок формирования навыков
Перечислите основные типы уроков. Раскройте основные структурные элементы урока иностранного языка. Выявите основные особенности...
Перечислите основные задачи построения систем распознавания iconПояснительная записка Учебная дисциплина «Организация ЭВМ и систем»
Целью изучения дисциплины является системное представление об уровнях организации и функционирования эвм, взаимодействии базовых...
Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2015
контакты
userdocs.ru
Главная страница