Контрольная Логика. вариант 5 (5 задач)
Предмет:
Логика
Тип работы:
Контрольная
Количество страниц:4
Задание 1. 2
Задание 2. 2
Задание 3. 3
Задание 4. 3
Задание 5. 3
Список использованной литературы: 4
Задание 1.
Оцените правильность определений. в неправильных определениях укажите. какие правила нарушены.
а) «Власть над собой – высшая власть» (Сенека).
б) «Знаете ли вы. что такое пруд? Это такая большаяпребольшая в земле глубокая тарелка. а в ней не «Soupe alapejsann» (как в меню «Ренессанса» пишут). а вода. А в воде – рыба. раки…» (Остап Вишня».
в) Аквариум – круглый сосуд для содержания и разведения животных и растений.
Задание 2.
Укажите вид деления понятий. Проверьте правильность деления понятий; в неправильном делении укажите. какие правила нарушены.
а) «Грубо говоря. в мире есть три типа людей. Первый тип – это люди… Второй тип назовем из вежливости «поэты»… Третий же тип – интеллектуалы…» (Г.К.Честертон)
б) Основные логические законы – это законы достаточного основания. непротиворечия и исключенного третьего.
Задание 3.
Опираясь на логический квадрат. установите характер отношений между суждениями и оцените корректность вывода.
Известный русский философ Владимир Сергеевич Соловьев утверждал: «Неверно. будто всякий желает своей пользы…». Если это так. то истинно. что некоторые люди желают своей пользы.
Обоснуйте ответ.
Задание 4.
Осуществите логическую операцию противопоставления предикату. Правильность вывода проверьте с помощью операций превращения и обращения.
«Жизнь дана не навек» (О.Хайям)
Задание 5.
Укажите. какие требования законов формальной логики нарушены в данном рассуждении:
«Читал «Пчелку». Эка глупый народ французы! Ну. чего хотят они? Взял бы. ейбогу. их всех. да и перепорол розгами! Там же читал очень приятное изображение бала. описанное курским помещиком. Курские помещики хорошо пишут». (Н.В.Гоголь. Записки сумасшедшего)
»
Контрольная Логика. вариант 5 (5 задач)
Цена:
490 руб.
Выдержка из подобной работы:
….
Комп’ютерна система штучного інтелекту ‘Неокогнітрон’
…..6. Застереження
.1 Параліч мережі
.2 Локальні мінімуми
.3 Розмір кроку
Висновки
Література
зворотній
поширення алгоритм нейрон
Вступ
Довгий час не існувало теоретично обґрунтованого алгоритму
для навчання багатошарових штучних нейронних мереж. А оскільки можливості
представлення з допомогою одношарових нейронних мереж виявилися досить
обмеженими то і вся область загалом прийшла в занепад.
Розробка алгоритму зворотного поширення зіграла важливу роль
у відродженні інтересу до штучних нейронних мереж. Зворотне поширення — це
систематичний метод для навчання багатошарових штучних нейронних мереж. Він має
солідне математичне обґрунтування. Незважаючи на деякі обмеження процедура
зворотного поширення сильно розширила область проблем в яких можуть бути
використані штучні нейронні мережі і переконливо продемонструвала свою
потужність.
1.
Введення в процедуру зворотного поширення
Цікава історія розробки процедури. У було дано ясний і повний
опис процедури. Але як тільки ця робота була опублікована виявилося що вона
була передбачена в . А незабаром з’ясувалося що ще раніше метод був описаний
в. Автори роботи зекономили б свої зусилля знай вони про роботу. Хоч подібне
дублювання є звичайним явищем для кожної наукової області в штучних нейронних
мережах стан з цим набагато серйозніше через граничний характер самого предмета
дослідження. Дослідження по нейронних мережах публікуються в таких різних
книгах і журналах що навіть самому кваліфікованому досліднику потрібні значні
зусилля щоб бути обізнаним про всі важливі роботи в цій області.
2.
Навчальний алгоритм зворотного поширення
2.1 Мережеві
конфігурації
Рисунок 1 — Штучний нейрон з активаційною функцією
2.2 Нейрон
На рисунку 1 показаний нейрон що використовується як
основний будівельний блок в мережах зворотного поширення. Подається множина
входів що йдуть або ззовні або від попереднього прошарку. Кожний з них
перемножується з вагою і добутки підсумовуються. Ця сума що позначається E.
Рисунок 2 — Сигмоїдальна активаційна функція
На рисунку 2 показана активаційна функція що переважно
використовується для зворотного поширення.
.
Як показує рівняння ця функція звана сигмоїдоюдосить
зручна оскільки має просту похідну що використовується при реалізації
алгоритму зворотного поширення.
.
Сигмоїда яка іноді називається також логістичною або стискаючою
функцією звужує діапазон зміни так що значення лежить між
нулем і одиницею. Як вказувалося вище багатошарові нейронні мережі мають
більшу потужність ніж одношарові тільки у разі наявності нелінійності.
Стискаюча функція забезпечує необхідну нелінійність.
Насправді є багато функцій які могли б бути використані. Для
алгоритму зворотного поширення потрібно лише щоб функція була всюди
диференцьована. Сигмоїда задовольняє цій вимозі. Її додаткова перевага
складається в автоматичному контролі посилення. Для слабких сигналів E крива вхід-вихід має сильний нахил що дає велике підсилення.
Коли величина сигналу стає більшою підсилення падає. Таким чином великі
сигнали сприймаються мережею без насичення а слабкі сигнали проходять по
мережі без надмірного ослаблення.
2.3
Багатошарова мережа
На рисунку 3 зображена багатошарова мережа яка може
навчатися за допомогою процедури зворотного поширення. Перший прошарок нейронів служить лише як розподільні
точк»