27.82M

#54 Практикалық сабақ [Эду ағай]

1.

№54 ПРАКТИКАЛЫҚ САБАҚ
Нейрондық желілер
MS Excel-дегі нейрондық желіні жобалау

2.

Сабақ жоспары:
1
Нейрондық желі тақырыбына байланысты практикалық жұмыс жасау
Сабақ мақсаты:
✅
Информатика пәнінен 50/50 балл алуға +1 қадам.

Нейрон
Нейрон – мидың негізгі құрылымдық-функционалдық бірлігі. Ол миға берілетін ақпаратты өңдеу
функциясымен айналысатын талшық. Олар ақпараттың қабылдануы мен бойға таралуына жауапты.
Нейрон – ақпаратты қабылдап алатын, онымен қарапайым есептеулер жасап, әрі қарай тарататын есептеу
бірлігі. Олар кіріс (жасыл), жасырын (көгілдір) және шығыс (сары) деген үш негізгі түрге бөлінеді.
Биологиялық нейрон – басқа нейрондармен қолжетімді байланыс арқылы барлық нейронды желі
бойынша электрохимиялық импульсті беретін арнайы жасуша.
Нейронды желіні құрайтын нейрондар типіне қарай біртекті және гибридті деп бөлінеді.

5.

Нейрон
Синапс – бұл екі нейронның арасындағы байланыс. Синапстардың бір параметрі бар. Ол – салмақ. Оның
көмегімен бір нейроннан келесі нейронға таралып жатқанда кіріс ақпарат өзгереді.
Синапс (Synapsis) – бір нейронның шығысы, екіншісінің кірісі түйісетін жер, онда сигнал күшейеді немесе
әлсірейді.
Синапс – нейрондар арасындағы байланыс, олардың әрқайсысы өз кіріс салмағының дәрежесіне ие.
Аксон – нейронның ұзын, созылған бөлігі, жүйке талшығы.
Дендриттер – ақпараттың кіріс порты. Мысалы, бір видеоклип көріп отырмыз делік. Ол ақпарат нейронға
келіп түседі, сол жерде өңделіп, аксон арқылы белгілі бір қадамнан өтсе, онда келесі нейронға беріледі. Бұл
– түсінуге арналған ең қарапайым мысал.

6.

Нейрон

7.

Жасанды нейрон
Суретте ұсынылған модельді 1943 жылы американдық
нейропсихолог, нейрофизиолог, жасанды нейрондық
желілердің теоретигі Уоррен Мак-Каллок пен оның
шәкірті Уолтер Питтс ұсынған болатын.

8.

Нейрондық желілер
Нейрондық желілер – адамның жүйке (нерв) жүйесінің көшірмесін алуға негізделген жасанды интеллект
саласындағы бағыттардың бірі.
Адамның жүйке жүйесі немесе нейрондық желі – ағзаның қоршаған ортаға бейімделуін реттейтін күрделі
желі. Ол ағза жүйелерінің өзара қарым-қатынасын қамтамасыз етеді.
Нейронды желілер – бір-бірімен синапстар арқылы біріктірілген нейрондардың белгілі бір тізбегі.
Нейрожелі – белгілі бір шарттарға негізделген дұрыс шешім қабылдауға мүмкіндік беретін үлгі.

9.

10.

Нейрондық желілер
Жасанды нейрондық желі (ЖНЖ) – өзара әрекеттесетін
жасанды нейрондар жиынтығы.
Жасанды нейронды желі (ЖНЖ) – күрделі деректерді
талдайтын, адам миын имитациялайтын, аппараттық және
программалық тұрғыдан іске асыруға қабілетті математикалық
модель.
Жасанды нейрондық желі – биологиялық нейрондық
желілерді (тірі организмнің жүйке жасушалары) ұйымдастыру
және жұмыс істеу принципі негізінде құрылған нейрондар
желісінің математикалық немесе компьютерлік моделі.

11.

12.

13.

14.

15.

16.

17.

18.

19.

20.

21.

22.

23.

24.

25.

26.

27.

28.

29.

30.

31.

32.

33.

34.

35.

36.

37.

Бірқабатты нейрондық желі
Барлық кіріс элементтері тікелей шығыс
элементтерімен біріккен желі бірқабатты
нейрондық желі немесе персептрон желі деп
аталады.
Мұнда бірінші қабат саналмайды, себебі жоғарыда
айтылып кеткендей, ол ақпаратты қабылдап алу
мен таратып беруден басқа ешқандай әрекет
орындамайды. Ал екінші қабат барлық қажетті
есептеулерді орындап, ақпаратты өңдейді де,
ақырғы нәтижені шығарады.

38.

Көпқабатты нейрондық желі
Көпқабатты нейрондық желі – кіріс пен шығыстан
және олардың арасындағы бір (бірнеше) жасырын
нейрон қабаттарынан тұратын нейрондық желі.
Көпқабатты нейронды желі. Аты айтып тұрғандай,
нейронды желілердің бұл түрі кіріс және шығыс
қабаттардан бөлек, аралық қабаттан тұрады.
Қабаттар саны желінің күрделілік деңгейіне
тәуелді. Көп жағдайда бұл биологиялық нейронды
желі құрылымына ұқсайды. Мұндай желі
түрлерінің пайда болғанына көп болған жоқ, бұған
дейін мұндай шешімдер бірқабатты желі
көмегімен шешіліп келді.

39.

Бірбағытты желілер
Тікелей тасымалдайтын немесе бірбағытты
желілер. Бұл құрылым бойынша сигнал тек қана
кіріс қабаттан шығыс қабатқа қарай қозғалады.
Сигналдың қозғалысы кері бағытта жүруі мүмкін
емес. Мұндай нейронды желілер кең таралған
және қазіргі уақытта тану, болжау жасау секілді
міндеттерді шешуде сәтті қолданысқа ие.
Мұндай желілер кеңінен қолданылады әрі ТТЖ
болжау, клас терлеу мен тану сияқты міндеттерді
толық шешеді.

40.

Рекурентті желілер
Кері байланысы бар немесе рекурентті желілер.
Мұндай құрылымдағы желілер сигналды тік, бір
бағытта ғана емес, сонымен қатар кері бағытта да
қозғалуына мүмкіндік береді. Бұл нені білдіреді?
Рекурентті желілерде нәтиже кіріс қабатқа
нейронның шығысы кіріс салмақ пен сигнал
арқылы анықталып, қайта оралып, кіріске қайта
оралған алдыңғы шығыстармен толықтырылады.
Кері байланысты желілер – нейронның шығуы
қайтадан кіру жолына берілетін жасанды
нейрондық желілер.

41.

42.

43.

44.

45.

46.

47.

48.

49.

50.

51.

52.

ТЕСТ ОРЫНДАЙЫҚ

53.

1-тапсырма
Мидың негізгі құрылымдық-функционалдық бірлігі
A) Нейрон
B) Синапс
C) Аксон
D) Дендрит

54.

2-тапсырма
Ақпаратты қабылдап алатын, онымен қарапайым есептеулер жасап, әрі қарай тарататын есептеу бірлігі
A) Нейрон
B) Синапс
C) Аксон
D) Дендрит

55.

3-тапсырма
Ақпараттың кіріс порты
A) Аксон
B) Дендриттер
C) Синапстар
D) Миелинді қабықша

56.

4-тапсырма
Нейронның ұзын, созылған бөлігі, жүйке талшығы
A) Дендрит
B) Синапс
C) Аксон
D) Жасушалық дене

57.

5-тапсырма
Компьютер адам миының нейрондық желілеріне ұқсас үлкен мөлшерде жасанды нейрондық желіні
қалыптастырады
A) Тереңдетілген оқыту
B) Машиналық оқыту
C) Жасанды интеллект
D) Кластерлеу

58.

6-тапсырма
Адамның жүйке жүйесінің көшірмесін алуға негізделген жасанды интеллект саласындағы бағыттардың бірі
A) Компьютерлік желілер
B) Нейрондық желілер
C) Операциялық жүйелер
D) Жасанды интеллект

59.

7-тапсырма
Бір-бірімен синапстар арқылы біріктірілген нейрондардың белгілі бір тізбегі
A) Компьютерлік желілер
B) Нейрондық желілер
C) Операциялық жүйелер
D) Жасанды интеллект

60.

8-тапсырма
Күрделі деректерді талдайтын, адам миын имитациялайтын, аппараттық және программалық тұрғыдан іске
асыруға қабілетті математикалық модель
A) Жасанды нейронды желі
B) Нейрон
C) Машиналық оқыту
D) Биологиялық нейронды желі

61.

9-тапсырма
Суретте берілген нейрон қабатын анықтаңыз
A)
B)
C)
D)
кіріс қабаты
жасырын қабаты
шығысы қабаты
белсендіру функция қабаты

62.

10-тапсырма
Бір нейронның шығысы, екіншісінің кірісі түйісетін жер, онда сигнал күшейеді немесе әлсірейді
A) Аксон
B) Дендрит
C) Синапс
D) Миелинді қабықша

63.

11-тапсырма
Нейрондық желілердің қолданылу бағытына жатпайды
A) Жіктеу
B) Топтастыру
C) Болжау
D) Тану

64.

12-тапсырма
Нейрондық желілерді модельдеу үшін қолданылатын программалар
A) программалық-имитатор
B) компилятор
C) операциялық жүйе
D) драйвер
E) нейропакет
F) нейроинтерпретатор

65.

13-тапсырма
Нейрондық желілерді жобалау кезіндегі маңызды параметріне жатпайды
A) Оқыту іріктелімі
B) Итерация
C) Кезең
D) Компилятор
E) Қате
F) Алгоритм

66.

14-тапсырма
Нейрондық желілерді оқыту үшін қолданылатын нақты мәндермен берілген мысалдар
A) Жаттығу мәліметтері
B) Деректер базасы
C) Ауытқу мәні
D) Кезең

67.

15-тапсырма
Күтілетін жауап пен алынған жауаптың арасындағы айырмашылықты көрсететін шама
A) Итерация
B) Жаттығу мәліметтері
C) Кезең
D) Қате

68.

16-тапсырма
Орташа квадраттық қате/ауытқу формуласы
A)
B)
C)
D)

69.

17-тапсырма
Нейропакеттерде нейрондық желілерді оқыту алгоритмінің үш тобы жүзеге асады
A) Рекурсивті, циклдік, тармақталған
B) Детерминдік, логикалық, желілік
C) Градиенттік, генетикалық, стохастикалық
D) Симметриялық, асимметриялық, гибридті

70.

18-тапсырма
Желі параметрлеріне сәйкес қателер функцияның дербес туындыларын есептеу негізінде құрылады
A) Стохастикалық алгоритмдер
B) Генетикалық алгоритм
C) Градиенттік алгоритмдер
D) Итерациялық әдістер

71.

19-тапсырма
Оның көмегімен бір нейроннан келесі нейронға таралып жатқанда кіріс ақпараты өзгереді
A) Аксон
B) Дендрит
C) Синапс
D) Шван жасушасы

72.

20-тапсырма
Кездейсоқ жолмен қате функциясының минимумын іздейді
A) Генетикалық алгоритм
B) Градиенттік алгоритм
C) Стохастикалық алгоритмдер
D) Детерминдік алгоритм

73.

21-тапсырма
Градиенттік және стохастикалық алгоритмдердің қасиеттері бірдей болады
A) Градиенттік алгоритм
B) Генетикалық алгоритм
C) Стохастикалық алгоритм
D) Итерациялық алгоритм

74.

22-тапсырма
I₁, I₂, W₁ және W₂
A) Өлшенген сома
B) Тиісті салмақтар
C) Белсендіру функциясы
D) Жасырын нейрон

75.

23-тапсырма
I₁ · W₁ + I₂ · W₂ өрнегі
A) Орташа квадраттық қате
B) Белсендіру функциясы
C) Кіріс деректерінің салмақталған қосындысы
D) Генетикалық алгоритм

76.

24-тапсырма
Нейронның шығысы 1 болатын кіріс комбинациясын анықтаңыз
A) (1, 0)
B) (1, 1)
C) (0, 1)
D) (0, 0)

77.

25-тапсырма
H1
A) Кіріс нейрон
B) Шығыс нейрон
C) Жасырын нейрон
D) Синапс

78.

26-тапсырма
Машиналық оқытудың негізгі түрлері
A) Нейронды желілер, бақылау, классикалық оқыту
B) Классикалық оқыту, нейронды желілер, негіздеп оқыту
C) Бақылау, классикалық оқыту, регрессия
D) Анализ, нейронды желілер, негіздеп оқыту

79.

26-тапсырма
Машиналық оқытудың негізгі түрлері

80.

27-тапсырма
Кестеде берілген ақпараттарды пайдалана отырып, сызбадағыдай нейрондық байланыстың өлшенген мәні
мен шығыс мәні
A) net = 4
B) out = 1
C) out = 0
D) net = 4,25
E) net = 3
F) out = 0,5

81.

28-тапсырма
Нейрондар арасындағы байланыс, олардың әрқайсысы өз кіріс салмағының дәрежесіне ие
A) Синапс
B) Аксон
C) Жасушалық дене
D) Рецептор

82.

29-тапсырма
B9 ұяшығындағы формула мәні
A) 0.73
B) 0.25
C) 0.365
D) 0.295

83.

30-тапсырма
Өлшенген соманың формуласы

84.

31-тапсырма
Өлшенген соманы аргумент ретінде қабылдайтын функция
A) сумматор функция
B) белсендіру функциясы
C) кіріс функциясы
D) қабат функциясы

85.

32-тапсырма
Суретте берілген функция
A)
B)
C)
D)
сигмоидты функция
логистикалық функция
бірреткі секіру функциясы
гиперболалық тангенс

86.

33-тапсырма
Сигмоидты (логистикалық) функцияның формуласы

87.

34-тапсырма
B9 ұяшығындағы формула нәтижесі:
A) 0.365
B) 0.355
C) 0.345
D) 1.365

88.

35-тапсырма
y = f(x) функциясын 0,2 қадамымен кестелеуді (табуляциялауды) орындайтын B2 ұяшығының формуласын
анықтаңыз
A) ЕСЛИ(И(A2<=0; A2>=1); A2; ЕСЛИ(A2<0; 0; 1))
B) ЕСЛИ(ИЛИ(A2>=0; A2<=1); A2; ЕСЛИ(A2<0; 0; 1))
C) ЕСЛИ(И(A2>=0; A2<=1); A2; ЕСЛИ(A2<0; 0; 1))
D) ЕСЛИ(ИЛИ(A2>=0; A2<=1); A2; ЕСЛИ(A2>0; 0; 1))

89.

36-тапсырма
Нейрон типі бойынша жіктелуі
A) Біртекті
B) Бірқабатты
C) Бірбағытты
D) Көпқабатты

90.

37-тапсырма
Қабаттары бойынша жіктелуі
A) Бірбағытты
B) Бірқабатты
C) Рекурентті
D) Біртекті

91.

38-тапсырма
Берілген ақпараттарды пайдалана отырып, нейрондық байланыстың өлшенген мәнін табыңыз. Есепте
логистикалық сигмодиті функция қолданылған.
x1 = 1
x2 = 1
w1 = 0.5
w2 = ?
net = ?
f(net) = 0.5

92.

39-тапсырма
B9 ұяшығындағы формула нәтижесі:
* 0.8
A) 0.585
B) 0.584
C) 0.365
D) 0.465

93.

40-тапсырма
Суретте берілген нейрондық желінің аралық қабаттарының саны
A) 8
B) 6
C) 16
D) 4

94.

41-тапсырма
B2 ұяшығындағы нәтижені анықтаңыз
A) 06.02.1900
B) 04.02.1900
C) 35.01.1900
D) 05.02.1900

95.

42-тапсырма
Машиналық оқытуға жатпайды
A) Символдарды тану
B) Қолжазбаларды тану
C) Сөйлеуді тану
D) Мәтіндерді талдау
E) Мәтіндерді іздеу
F) Бейне тану

96.

43-тапсырма
D1 ұяшығындағы нәтижені анықтаңыз
A) 8,8
B) 8,78
C) 9
D) 12,67

97.

44-тапсырма
K-жақын көршілер әдісін қолданып, жүн ұзындығы = 4, бой ұзындығы = 30, K = 3 мәндерін бергендегі
жіктеу нәтижесі
A) Ит
B) Мысық
C) Белгісіз
D) Қате

98.

45-тапсырма
Статистикалық категорияға жататын Excel функциясы
A) ЕСЛИ
B) КОРЕНЬ
C) СЦЕПИТЬ
D) СЧЕТЕСЛИ
E) МИН
F) ЗАМЕНИТЬ

99.

46-тапсырма
Берілген өрнектің мәнін C2 ұяшығында дұрыс жазылуы
A) =2*(A2+3B2)+(61/3A22)
B) =2*(x+3y)+(61/3x**2)
C) =2(A2+3B2)+(19/3A2^2)
D) =2*(x+3B2)+(18/3x^2)

100.

47-тапсырма
Суретте жасырылған сөздерді табыңыз
A)
B)
C)
D)
E)
F)
топтастыру
жіктеу
өлшемді азайту
классикалық оқыту
нормадан ауытқу
регрессия

101.

102.

48-тапсырма
Барлық кіріс элементтері тікелей шығыс элементтерімен біріккен желі
A) Көпқабатты нейронды желі
B) Рекурентті нейронды желі
C) Бір қабатты нейронды желі
D) Гибридті нейронды желі
E) Персептрон желі
F) Терең нейронды желі

103.

49-тапсырма
Кіріс пен шығыстан және олардың арасындағы бір (бірнеше) жасырын нейрон қабаттарынан тұратын
нейрондық желі
A) Бір қабатты нейронды желі
B) Рекурентті нейронды желі
C) Көпқабатты нейронды желі
D) Персептрон желі

104.

50-тапсырма
Сигнал тек кірістен шығыс қабатына таралатын жасанды нейрондық желілер, сигнал кері бағытта
таралмайды
A) Бірбағытты желі
B) Рекурентті нейронды желі
C) Кері байланысы жоқ желі
D) Тікелей тасымалдайтын желі
E) Гибридті нейронды желі
F) Көпқабатты нейронды желі

105.

51-тапсырма
Суретте берілген нейронды желі түрі
A) Бірбағытты желі
B) Рекурентті нейронды желі
C) Кері байланысы жоқ желі
D) Тікелей тасымалдайтын желі
E) Гибридті нейронды желі
F) Кері байланысты желі

106.

52-тапсырма
Бірбағытты желі түрлері
A) Қателердің кері таралуы
B) Тікелей тасымалдамайтын желі
C) Радиалды базистік функциялар желілері (RBF)
D) Рекурентті нейронды желі
E) Басқа желілер (когнитрон, неокогнитрон)
F) Гибридті нейронды желі

107.

53-тапсырма
Суретте берілген функция
A)
B)
C)
D)
E)
F)
сигмоидты функция
логистикалық функция
бірреткі секіру функциясы
гиперболалық тангенс
ReLU (Rectified Linear Unit)
Leaky ReLU

108.

54-тапсырма
Excel кестелік процессорында бір мәнмен жұмыс жасайтын оператор
A) Бинарлы
B) Унарлы
C) Тернарлы
D) Логикалық

109.

55-тапсырма
G бағанында берілген мәндер
A)
B)
C)
D)
диаграмма
гистограмма
спарклайн
минидиаграмма

110.

56-тапсырма
Кестеде берілген ақпараттарды пайдалана отырып, сызбадағыдай нейрондық байланыстың өлшенген мәні
мен шығыс мәнін табыңыз. Есепте логистикалық сигмодиті функция қолданылған.
A) net = 1
B) out = 1
C) out = 1,58
D) net = 0,5
E) net = 3
F) out = 2,68

111.

57-тапсырма
Кестеде берілген ақпараттарды пайдалана отырып, сызбадағыдай нейрондық байланыстың өлшенген мәні
мен шығыс мәнін, орташа квадраттық қатені табыңыз. Есепте логистикалық сигмодиті функция қолданылған.
A) net = 1
B) out = 1,15
C) Δ = 20%
D) net = 2
E) out = 0,88
F) Δ = 1,44%

112.

58-тапсырма
Кестеде берілген ақпараттарды пайдалана отырып, сызбадағыдай нейрондық байланыстың өлшенген мәні
мен шығыс мәнін, орташа квадраттық қатені табыңыз. Есепте логистикалық сигмодиті функция
қолданылған.
2
-1
0.5
0.5
A) net = 0.5, out ≈ 0.38, Δ ≈ 1.44%
B) net = 0.5, out ≈ 0.62, Δ ≈ 14.20%
C) net = -0.5, out ≈ 0.12, Δ ≈ 14.2%
D) net = 0.5, out ≈ 0.62, Δ ≈ 1.44%

113.

59-тапсырма
Кестеде берілген ақпараттарды пайдалана отырып, сызбадағыдай нейрондық байланыстың өлшенген мәні
мен шығыс мәнін, орташа квадраттық қатені табыңыз. Есепте логистикалық сигмодиті функция
қолданылған.
-2
1
1.0
0.5
A) net = -1.5, out ≈ 0.18, Δ ≈ 66.9%
B) net = -1.5, out ≈ 0.182, Δ ≈ 66.3%
C) net = -0.5, out ≈ 0.18, Δ ≈ 66.7%
D) net = -1.5, out ≈ 0.18, Δ ≈ 14.20%