Sprawdź się

Pokaż ćwiczenia:

Ćwiczenie 1

Nazwij funkcję o następującym wzorze:

$f (x) = \{\begin{array}{lc} 0 & d l a x < 0 \\ 1 & d l a x \geq 0 \end{array}$

RRLxWO7cWrwhe

(Uzupełnij).

Jest to funkcja skokowa Heaviside'a.

Ćwiczenie 2

R1NweKKosdcgY

Rozstrzygnij, czy sieć liniowa zostaje wzbogacona przez dodawanie warstw ukrytych. Uzasadnij odpowiedź. (Uzupełnij).

Nie, ponieważ wszystkie obliczenia w neuronach mają charakter liniowy, więc zawsze jesteśmy w stanie zastąpić parę warstw ukrytych za pomocą jednej z odpowiednimi wagami.

Ćwiczenie 3

R1VIlMpHwHlMg

Oceń prawdziwość stwierdzenia „Wartość zwracana przez funkcję straty jest wyznacznikiem, jak bardzo wynik nanszej sieci neuronowej różnic się od prawidłowego”. Możliwe odpowiedzi: 1. Prawda, 2. Fałsz

Ćwiczenie 4

R1aLLnLxzrdVK

Wyjaśnij, na czym polega działanie algorytmu propagacji wstecznej. (Uzupełnij).

Działanie algorytmu propagacji wstecznej polega na korzystaniu z pochodnej funkcji straty tak, aby w odpowiedni sposób zmieniać wagi poszczególnych połączeń. Dzięki temu minimalizujemy wartość zwracaną przez funkcję straty i uczymy naszą sieć.

Ćwiczenie 5

R1RGv3fohb86R

Wybierz jedno nowe słowo poznane podczas dzisiejszej lekcji i ułóż z nim zdanie.

Ćwiczenie 6

R1KN7gCFw2YFv

Zaznacz wszystkie typy najczęściej stosowanych nieliniowych funkcji aktywacji neuronu. Możliwe odpowiedzi: 1. sigmoidalna, 2. Gaussa, 3. sinusoidalna, 4. skokowa, 5. liniowa, 6. straty, 7. dyskretna

Ćwiczenie 7

RrkkcxRvjwpOw

Wyjaśnij cel i funkcjonowanie sieci neuronowej.

Ćwiczenie 8

R1ET4KRoBUc08

Dostępne opcje do wyboru:

\prod_{i = 1}^{N}

\sum_{i = 1}^{N}

. Polecenie: Uzupełnij poniższy wzór na wartość wyjściową neuronu liniowego. Niech

S

oznacza wartość wyjściową,

w_{i}

wagę

i

-tego weścia, a

x_{i}

wartość na

i

-tym wejściu. Załóżmy, że neuron przyjmuje

N

wejść.

S =

luka do uzupełnienia