Лекция 2. Классификация персептроном

Poll

Как Вы относитесь к предстоящему изучению новой темы на лекции?

• С интересом

• С любопытством

• Нейтрально

• С волнением

Multiple Choice

Как активационная функция влияет на классификацию в персептроне?

• Преобразует взвешенную сумму в непрерывное значение

• Определяет, к какому классу принадлежит объект, через пороговое значение

• Увеличивает размерность данных

• Служит для визуализации весов

Multiple Choice

Почему веса ω_1​ = −0.2, ω₂ = 0.1 приводят к ошибкам?

• Разделяющая прямая

  x₂ = 2x_1​ не совпадает с требуемой

• Смещение ω₀ равно нулю

• Активационная функция не ступенчатая

• Веса не нормализованы

Multiple Choice

Почему входной вектор дополняется значением 1?

• Чтобы увеличить размерность данных

• Для удобства визуализации

• Чтобы учесть смещение ω₃ при расчете взвешенной суммы

• Это случайный выбор

Multiple Choice

Как изменится разделяющая прямая, если увеличить ω₃?

• Сместится вверх

• Сместится вниз

• Увеличит угол наклона

• Не изменится

Multiple Choice

Какую роль выполняет выходной нейрон при классификации нелинейно-разделимых образов?

• Строит третью разделяющую прямую

• Объединяет результаты скрытых нейронов

• Увеличивает размерность данных

• Генерирует случайные веса

Multiple Choice

Сколько нейронов требуется в скрытом слое, чтобы разделить классы двумя прямыми?

• 1

• 2

• 3

• 4

Multiple Choice

Почему задача классификации точек в углах квадрата называется «XOR»?

• Потому что требует использования исключающего ИЛИ для разделения классов

• Из-за формы данных, напоминающей букву X

• Это аббревиатура автора метода

• Название случайное

Multiple Choice

Что происходит при объединении результатов двух скрытых нейронов простым сложением?

• Создается узкая полоса между прямыми

• Формируется одна большая область класса C₁

• Получается нелинейная граница

• Классификация становится точнее

Multiple Choice

Почему два скрытых нейрона решают задачу, которую не может решить один?

• Они увеличивают вычислительную мощность

• Позволяют создать область между двумя прямыми

• Устраняют необходимость в смещении

• Это требование метода обратного распространения ошибки

Multiple Choice

Какой результат возвращает act(sum) в выходном нейроне?

• Сигмоиду от sum

• 0 или 1 в зависимости от порога

• Линейную комбинацию входов

• Случайное значение

Poll

Как Вы оцениваете уровень сложности изученного материала?

• Очень простой

• Умеренно сложный

• Сложный

• Чрезвычайно сложный