Представьте, что вы разрабатываете нейронную сеть для распознавания рукописных цифр (0-9). Сеть устроена так: • На вход подаётся изображение размером 28х28 пикселей, которое разворачивается в вектор признаков. • Скрытый слой состоит из 64 нейронов и является полносвязным. • Выходной слой состоит из 10 нейронов и использует функцию softmax. • Выходные значения интерпретируются как вероятности классов. • Класс выбирается по правилу максимального выходного значения. • Порядок классов фиксирован: 1-я позиция соответствует цифре 0, 2-я — цифре 1, ..., 10-я — цифре 9. Определите, какие утверждения являются верными. 1. Сумма десяти выходных значений может быть больше 1. 2. Выходные значения могут быть отрицательными. 3. Если каждый пиксель изображения используется как отдельный признак, то на вход подаётся 784 числа. 4. При случайном выборе одной из 10 цифр вероятность угадать правильную цифру равна 1/2. 5. Если максимальное значение находится на 7-й позиции, сеть выберет цифру «б». 6. Каждый нейрон скрытого слоя получает все входные признаки.

Question

Вопрос:

Представьте, что вы разрабатываете нейронную сеть для распознавания рукописных цифр (0-9). Сеть устроена так: • На вход подаётся изображение размером 28х28 пикселей, которое разворачивается в вектор признаков. • Скрытый слой состоит из 64 нейронов и является полносвязным. • Выходной слой состоит из 10 нейронов и использует функцию softmax. • Выходные значения интерпретируются как вероятности классов. • Класс выбирается по правилу максимального выходного значения. • Порядок классов фиксирован: 1-я позиция соответствует цифре 0, 2-я — цифре 1, ..., 10-я — цифре 9. Определите, какие утверждения являются верными. 1. Сумма десяти выходных значений может быть больше 1. 2. Выходные значения могут быть отрицательными. 3. Если каждый пиксель изображения используется как отдельный признак, то на вход подаётся 784 числа. 4. При случайном выборе одной из 10 цифр вероятность угадать правильную цифру равна 1/2. 5. Если максимальное значение находится на 7-й позиции, сеть выберет цифру «б». 6. Каждый нейрон скрытого слоя получает все входные признаки.

Ответ:

ФИО:Телефон:Емаил:Полное описание сути нарушения прав (почему распространение данной информации запрещено Правообладателем):

Accepted Answer

Анализ утверждений:

1. Сумма десяти выходных значений может быть больше 1. — Неверно. Функция softmax гарантирует, что сумма выходных значений (вероятностей) равна 1.
2. Выходные значения могут быть отрицательными. — Неверно. Выходные значения после функции softmax представляют собой вероятности и находятся в диапазоне от 0 до 1.
3. Если каждый пиксель изображения используется как отдельный признак, то на вход подаётся 784 числа. — Верно. Изображение размером 28x28 пикселей содержит 28 * 28 = 784 пикселя. Каждый пиксель является признаком.
4. При случайном выборе одной из 10 цифр вероятность угадать правильную цифру равна 1/2. — Неверно. Вероятность случайного угадывания правильной цифры из 10 равна 1/10.
5. Если максимальное значение находится на 7-й позиции, сеть выберет цифру «6». — Верно. По условию, 1-я позиция — цифра 0, 2-я — цифра 1, ..., 7-я позиция — цифра 6.
6. Каждый нейрон скрытого слоя получает все входные признаки. — Верно. В условии указано, что скрытый слой является полносвязным, что означает, что каждый нейрон этого слоя связан со всеми нейронами предыдущего слоя (в данном случае, со всеми входными признаками).

Ответ: Верными являются утверждения 3, 5, 6.