1. Что является основным строительным блоком нейронной сети?
2. Какая функция активации используется для получения выходного значения в диапазоне от 0 до 1?
3. Какая архитектура нейронной сети наиболее подходит для обработки изображений?
4. Какой алгоритм обучения используется для вычисления градиента функции потерь по отношению к весам нейронной сети?
5. Какая функция потерь наиболее подходит для задачи регрессии?
6. Какой оптимизатор автоматически настраивает скорость обучения для каждого веса?
7. Какой недостаток нейронных сетей проявляется в том, что трудно понять, как они принимают решения?
8. Какой тип нейронных сетей хорошо подходит для прогнозирования временных рядов?
9. Какая функция потерь используется для задачи многоклассовой классификации?
10. Что означает термин «переобучение» (overtraining) нейронной сети?
11. Какой метод используется для уменьшения переобучения нейронных сетей?
12. Какое преимущество нейронных сетей делает их подходящими для управления сложными нелинейными объектами?
13. Какой алгоритм градиентного спуска вычисляет градиент на основе всех обучающих примеров?
14. Что такое «скорость обучения» (learning rate)?
15. В каком из перечисленных ниже типов задач нейронные сети находят эффективное применение?
16. Что такое «эпоха» (epoch) в контексте обучения нейронной сети?
17. Какая из следующих архитектур используется для сжатия и восстановления данных?
18. В задачах управления, что означает адаптивное управление с использованием нейронных сетей?
19. Какая задача лучше всего подходит для использования сетей с подкреплением (Reinforcement Learning)?
20. Какой из следующих методов помогает избежать застревания алгоритма градиентного спуска в локальных минимумах?
21. Что такое идентификация динамической системы?
22. Какая модель использует прошлые значения выхода системы в качестве входов нейронной сети для идентификации динамической системы?
23. В какой модели для идентификации динамических систем используются как прошлые значения входа, так и прошлые значения выхода, причём все прошлые выходы берутся из модели, а не из реальной системы?
24. Какая архитектура нейронной сети лучше всего подходит для моделирования систем с памятью?
25. Что такое нейросетевое моделирование нелинейных объектов управления?
26. Какой подход к моделированию нелинейных объектов управления предполагает создание нейронной сети, которая генерирует входные сигналы для получения желаемых выходных сигналов объекта управления?
27. Какие элементы используются в LSTM для управления потоком информации?
28. Какая метрика вычисляет среднее значение квадратов разностей между предсказанными и фактическими значениями?
29. Какая метрика имеет ту же размерность, что и выходной сигнал?
30. Что показывает коэффициент детерминации (R-squared)?
31. Какой метод оценки адекватности предполагает анализ разностей между предсказанными и фактическими значениями?
32. Что должна показать перекрестная проверка?
33. Что показывает нормализованная среднеквадратичная ошибка (NRMSE)?
34. Какая из следующих архитектур нейронных сетей сочетает в себе элементы нейронных сетей и нечеткой логики?
35. Что такое «скрытое состояние» (hidden state) в контексте RNN?
36. Какой тип нейронной сети наиболее подходит для моделирования систем с задержкой?
37. В какой архитектуре RNN используются ячейки памяти и вентили для управления потоком информации?
38. Какую роль играет анализ остатков (residual analysis) при оценке адекватности модели?
39. Что означает, что остатки в модели имеют нулевое среднее значение и постоянную дисперсию?
40. Что необходимо сделать перед использованием нейросетевой модели для идентификации и моделирования объекта управления?
41. Какой подход в нейроуправлении предполагает обучение нейронной сети непосредственно для управления объектом, без явного построения его модели?
42. Какой подход в нейроуправлении использует нейронную сеть для идентификации объекта, а затем разрабатывает регулятор на основе этой модели?
43. Какой метод разработки регулятора используется в косвенном нейроуправлении и предполагает прогнозирование будущего поведения объекта управления и оптимизацию управляющих сигналов?
44. Какой подход в нейроуправлении предполагает обучение нейронной сети в режиме реального времени для адаптации к изменяющимся условиям?
45. Какой тип адаптивного нейроуправления стремится к тому, чтобы система управления следовала за заданной эталонной моделью?
46. Какой тип адаптивного нейроуправления использует нейронную сеть для идентификации объекта управления в режиме реального времени, а затем разрабатывает регулятор на основе этой модели?
47. Какой метод стабилизации нейроуправляемых систем предполагает ограничение выходных сигналов нейронной сети в пределах допустимых значений?
48. Какой метод стабилизации нейроуправляемых систем предполагает добавление штрафа к функции потерь, который ограничивает величину весов нейронной сети?
49. Какой метод стабилизации нейроуправляемых систем предполагает включение критериев устойчивости в функцию потерь?
50. Какой математический инструмент может быть использован для разработки регулятора, обеспечивающего достаточные условия устойчивости нелинейной системы?
51. Какой метод стабилизации нейроуправляемых систем основан на концепции пассивности?
52. Какой тип управления направлен на разработку регулятора, устойчивого к неопределенностям в модели объекта управления?
53. Какая функция выполняется фильтрацией входных и выходных сигналов нейронной сети при стабилизации системы управления?
54. Какой подход предполагает комбинирование нейросетевых регуляторов с традиционными регуляторами, например, PID-регуляторами?
55. Что обеспечивает PID-регулятор в гибридной схеме управления с нейронной сетью?
56. Какая из перечисленных задач является наиболее сложной при реализации адаптивного нейроуправления на практике?
57. Какой аспект необходимо тщательно оценивать при разработке нейроуправляемых систем, особенно в критически важных приложениях?
58. Какая задача управления часто решается с помощью нейросетей в робототехнике?
59. Какой тип нейронной сети часто используется для обработки визуальной информации в системах управления роботами?
60. Какая задача управления в химической промышленности может быть решена с помощью нейросетей?
61. Какой тип нейронной сети часто используется для моделирования динамики технологических процессов?
62. Какую задачу управления можно решить с помощью нейросетей в энергетике?
63. Какую задачу управления решают нейросети в транспортных системах?
64. Какой тип нейронной сети часто используется для управления беспилотным автомобилем?
65. Какую задачу управления решают нейросети в управлении ресурсами и логистикой?
66. Какой тип нейронной сети часто используется для прогнозирования временных рядов, например, спроса на продукцию?
67. Какая задача управления в логистике решается с помощью графовых нейронных сетей (GNN)?
68. Что является важным фактором для успешного внедрения нейросетевых технологий в управлении?
69. Какое ограничение может возникнуть при применении нейросетей в реальных системах управления?
70. Какое направление является перспективным в развитии нейросетевых технологий в управлении?
71. Какой этический аспект необходимо учитывать при использовании нейросетей в управлении?
72. Какую выгоду можно получить от использования нейросетей в управлении?
73. Какой тип нейронной сети особенно полезен для управления роботами, когда требуется планировать последовательность действий для достижения цели? *
74. В каких задачах управления нейросети наиболее эффективно применяются для адаптации к изменяющимся условиям окружающей среды или параметров системы?
