شبکه عصبی مصنوعی

[Janan.khezli83@gmail.com]

1.کدام مورد از وظایف اصلی یک تابع فعال سازی در شبکه عصبی است؟
الف( افزایش سرعت آموزش شبکه ب( نگه داشتن وزن ها در مقدار ثابت
ج( اعمال غیر خطی سازی به خروجی نورون د( حذف الیه های پنهان
2 .کدامیک از الگوریتم های زیر برای آموزش شبکه های عصبی استفاده می شود؟
الف( الگوریتم ژنتیک ب(الگوریتم عقب پراکنش)Backpropagation(
ج( الگوریتم تقسیم و غلبه د( الگوریتم کرم شب تاب
3 .در شبکه عصبی، وزن ها چه نقشی دارند؟
الف( تعیین ساختار الیه ها ب( تعیین خروجی شبکه
ج( تعیین میزان اهمیت ورودی ها در تولید خروجی د( کاهش خطای پیش بینی
4 .اگر شبکه عصبی شما دچار overfitting شود،چه اتفاقی می افتد؟
الف( دقت روی داده های تست افزایش می یابد. ب( مدل هیچ الگویی
یاد نمی گیرد.
ج( دقت روی داده های آموزش باال ولی روی داده های تست پایین می شود.
د( شبکه از آموزش باز می ایستد
1.شبکه عصبی مصنوعی چیست و اجزای اصلی آن را نام ببرید.
شبکه عصبی مصنوعی یک مدل ریاضی الهام گرفته از عملکرد مغز انسان است که برای
یادگیری از داده ها طراحی شده است.
نورون های مصنوعی)Neurons/Nodes)
وزن ها)Weights)
بایاس)Bias)
تابع فعال سازی)Function Activation)
الیه ها)الیه ورودی،پنهان و خروجی(
2 .نقش تابع فعال سازی در شبکه عصبی را توضیح دهید و دو مثال نام ببرید.
تابع فعال سازی باعث می شود شبکه عصبی بتواند روابط غیر خطی را مدل کند.
این توابع مشخص می کنند که آیا یک نورون باید فعال شود یا نه.
دو نمونه معروف:
سیگموید) Sigmoid)
ReLU( Rectified Linear)
3 .فرآیند آموزش یک شبکه عصبی چگونه انجام می شود
1 .پیش رو )forward Feed ورودی ها از الیه های شبکه عبور می کنند تا خروجی
تولید شود.
2 .محاسبه خطا: خطا بین خروجی پیش بینی شده و خروجی واقعی اندازه گیری می
شود.
3 .بازپراکنش خطا)Backpropagation خطا به عقب منتقل شده و وزن ها به
روزرسانی می شوند تا خطا کاهش یابد.
4 .تفاوت بین شبکه عصبی مصنوعی)ANN )و شبکه های کانولوشنی )CNN )را توضیح
دهید.
شبکه عصبی مصنوعی )ANN )برای مسائل عمومی مناسب هستند اما ویژگی مکانی
داده ها را در نظر نمی گیرد.
شبکه عصبی کانولوشنی )CNN )به طور خاص برای پردازش داده هایی مانند تصاویر
طراحی شده اند که در آنها ساختار مکانی بسیار مهم است.
CNN شامل الیه های کانولوشن و pooling است که به استخراج ویژگی ها از داده های
فضایی کمک می کند