Proef-tentamen-vragen Neurale Netwerken

Opmerkingen vooraf:
 tentamenstof: boek behalve H10 en H11, 2 artikelten, slides, practica
 2 juni om 17:00 is al het materiaal op de site definitief
 Rekenmachine meenemen, niet de formules of welk papier dan ook.
 Je moet zelf weten welke formule wat voorstelt, je krijgt hier dus geen aanwijzingen
over in de opgaven, ook de symbolen worden niet uitgelegd.
 Evaluatie formulier invullen!
Proef-tentamen-vragen Neurale Netwerken
 Om een indicatie te geven van wat voor soort vragen je kan verwachten.
 Elk onderwerp is even belangrijk, dus laat je niet misleiden door dit document.
 In het echte tentamen zullen 2 of 3 grote vraagstukken zitten. Een mogelijke opzet
voor zo’n groot vraagstuk is als volgt: Eerst een stuk informatie waarmee je een
netwerk door moet rekenen en vervolgens wat gerelateerde vragen over theorie,
algoritme en formules.
1)
a)
b)
c)
2)
a)
b)
c)
3)
a)
b)
c)
biologische neuronen
Welke cel onderdelen zorgen voor een snelle informatie overdracht naar andere
neuronen?
Waardoor kan een cel informatie overdragen naar meer dan één andere cel?
Is het aspect van biologische neuronen bij 1b volgens jou goed gemodelleerd in
kunstmatige neurale netwerken? Motiveer je antwoord.
leaky integrator dynamics
Beschrijf in natuurlijke taal de werking van een leaky integrator. Maak eventueel
gebruik van een tekening.
Wat is het nut van leaky integrators, wat kun je ermee?
Wanneer is een leaky integrator in evenwicht?
Hopfield netwerk
Beschouw het Hopfield netwerk hieronder. Vul de transitie tabel in op het bijgeleverde
antwoordblad (let op: de nummering van de cellen is met de klok mee). Vergeet niet je
naam erop te zetten en het in te leveren met de rest van je uitwerkingen.
Bepaal de basins of attraction voor dit netwerk en geef ze als verzamelingen van
toestanden weer.
Wat is het verschil tussen synchrone en asynchrone update en wat is het effect van
synchrone update op de basins of attraction? Verklaar waarom dit verschil er is.
1
1
-2
1
1
-2
3
1
2
1
huidige toestand
x2 x3
label
0
0
0
0
1
1
1
0
2
1
1
3
0
0
4
0
1
5
1
0
6
1
1
7
x1
0
0
0
0
1
1
1
1
4)
a)
b)
c)
d)
5)
a)
b)
c)
d)
volgende toestand
na vuren cel 1 na vuren cel 2 na vuren cel 3
XOR Deze is te makkelijk! Vanwege practicum en slides
Teken de pattern space van het XOR probleem, inclusief klasse labels.
Waarom is er een multi layer perceptron nodig om de oplossing van het XOR
probleem te leren? Leg uit.
Laat in je tekening zien hoe een MLP de klasses van elkaar kan scheiden.
Teken het bijberhorende netwerk en geef aan welk neuron wat doet in de tekening van
de pattern space.
Kohonen
Leg in je eigen woorden uit wat de formules voor sj en lj uitdrukken. Vertel wat de
symbolen van beide formules voorstellen in een winner-takes-all Kohonen netwerk.
Maak eventueel gebruik van een tekening.
Beschrijf het verschil tussen winner-takes-all dynamics en neighbourhood dynamics.
Welk voordeel heeft het gebruik van neighbourhood dynamics boven winner-takes-all
dynamics in een Kohonen netwerk?
Beschrijf zo duidelijk mogelijk hoe neighbourhood dynamics dit effect bereiken.