[Ευφυή Συστήματα Ρομπότ] - Παλιά θέματα - Σχολιασμός και απορίες

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Δείτε περισσότερα εδώ...]

Συμβουλές καλής χρήσης του φόρουμ: Youtube embed code and links, Shoutbox, Notify, ...

Δείτε περισσότερα εδώ...

[dim]

Εδώ μπορείτε να σχολιάζετε τα θέματα και
να συζητάτε τις όποιες απορίες σας πάνω σε παλιά θέματα των
Ευφυών Συστημάτων Ρομπότ.
(Τα παλιά θέματα υπάρχουν εδώ).

[socrates]

Κοίταξε κανείς τα θέματα του Φεβρ. 2009?

Να τι βρήκα...

1) όχι
2) 3
3) 2
4) 3
5) 3
6) 1
7) 3
8) 1
9) 3
10) 4
11) 2
12) 3
13) 1
14) 3

Τι λέτε? Συμφωνείτε?

edit: διόρθωση

[akenatwn]

Στο 5 δεν ειναι σωστή απάντηση το 3;
Αφού για (x1,x2)=(0,0),(0,1),(1,0)  είναι x1w1+x2w2<h άρα y=0  και (x1,x2)=(1,1) είναι x1w1+x2w2=1>h άρα y=1.
Άρα είναι λογικό 'και'.

Κάνω λάθος; 

[socrates]

Έχεις δίκιο... Το έχει και στις σημειώσεις... Το διορθώνω...

Επίσης στο 9, μήπως είναι το 1)υπερεκπαίδευση ?

Να και μια σελίδα με στοιχεία για νευρωνικά... http://www.willamette.edu/~gorr/classes/cs449/intro.html

[Utrion]

Στο 9 σίγουρα είναι παράλυσh του δικτύου γιατί το u=Σxi*wi γίνεται πολύ μεγαλο και ετσι κατα συνέπερια και  το y γινεται πολύ μεγάλο και οδηγεί σε κόρο το y=1/(1+e^(-u))=1

[Am@NiTa]

Νομιζω οτι υπερεκπαιδευση εχει να κανει με τον αριθμο των νευρωνιων και το πληθος των δειγματων που εχουμε.Αυτο που λες εσυ συμβαινει οταν εχουμε υπερβολικα μεγαλο χρονο εκπαιδευσης και για να το διορθωσουμε αυτο απλα ελαττωνουμε το βημα εκπαιδευσης.

[Kargas]

telika ti paizei me to 9o erwtima to eide kanenas? gt nomizw oti ta apopanw post lene mlkies?

edit, akuro epsa3a sto internet kai einai uperekpaideush cool

[Godhatesusall]

Κάτσε, με πολλά νευρώνια έχεις ΣΙΓΟΥΡΑ μεγάλο χρόνο εκπαίδευσης.

Το overfitness όμως, έτσι όπως το έχω καταλάβει, παρουσιάζεται αν οι νευρώνες "μάθουν" πολύ καλά ένα data set και δεν ανταποκρίνονται όπως πρέπει να τους δώσεις νέα δεδομένα. Άρα ποια η σχέση ανάμεσα στο overfit και στον αριθμό των νευρώνων?

[Godhatesusall]

Αλλά τώρα που το σκέφτομαι καλύτερα,περισσότεροι νευρώνες=περισσότερες παράμετροι για να δημιουργήσω την συνάρτηση εξόδου, άρα πιθανό πρόβλημα overfitting(αν έχω λίγα δείγματα όμως)

[TeeKay]

Γενικα οσο αυξανονται οι νευρωνες τοσο αυξανεται και η πιθανοτητα υπερεκπαιδευσης παντως, το ελεγε και στο εργαστηριο αυτος!

[Kargas]

e nai alla ti apantas en telh?kuklwneis kai ta 2?

[Kargas]

re twra pou ta blepete to topic dn lete kai thn apopsi sas gia auto?->
https://www.thmmy.gr/smf/index.php?topic=42119.msg781800#msg781800

[pontiki]

Η παράλυση αναφέρεται κάπου στις σημειώσεις και δεν την βλέπω?
Γιατί λίγο που γκούγκλαρα βρήκα έναν ορισμό αλλά καμία σχέση με την 13 πχ

[Ariel]

τσουκ δεν αναφέρεται.
Θα χρησιμοποιήσεις συνοπτικα συνοπτικά αυτό που λέει σαν θεμα το 2009 ή θα βρεις κάτι απλό λιτό και απέριττο απο το γοογλε και θα το γραψεις.

π.χ : "network paralysis = όταν ένα ή περισσότερα βάρη έχουν σταθερά υψηλές απόλυτες τιμές και δεν τροποποιύνται σε κάθε διόρθωση"

[saddodancererer]

τσουκ δεν αναφέρεται.
Θα χρησιμοποιήσεις συνοπτικα συνοπτικά αυτό που λέει σαν θεμα το 2009 ή θα βρεις κάτι απλό λιτό και απέριττο απο το γοογλε και θα το γραψεις.

π.χ : "network paralysis = όταν ένα ή περισσότερα βάρη έχουν σταθερά υψηλές απόλυτες τιμές και δεν τροποποιύνται σε κάθε διόρθωση"

χμ εισαι σιγουρη πως το θελει τοοοσο λιτα?