1.  Proszę podać wybrane cechy zadań, których wykonanie z użyciem sztucznych sieci 

neuronowych jest praktycznie nie możliwe. 

a.  Zadania wymagające wysokiej precyzji, bądź jasnych wyników – SSN operują 

tzw. pojęciami rozmytymi: wysoki, niski, duży, mały, średni, jasny, ciemny 
itp. Często jeśli oczekujemy od sieci odpowiedzi „tak” lub „nie” ona odpowie 
„raczej tak” lub „chyba nie”. 

b.  Zadania wymagające rozumowania wieloetapowego – gdy trzeba mozolnie 

dochodzić do pewnych wniosków na podstawie wcześniejszego rozumowania, 
a z tych wniosków wyciągać kolejne wnioski – sieć nie daje sobie rady. 
Działanie sieci pozwala jedynie na wyciąganie bezpośrednich wniosków. 

c.  Zadania wymagające szybkiej odpowiedzi – by otrzymać odpowiedź od sieci 

neuronowej trzeba najpierw ją nauczyć rozwiązywać dany problem, co nie jest 
szybkie. 

2.  Proszę wskazać klasę „narzędzi: wnioskowania o obiektach dla każdego z trzech 

poniższych problemów charakteryzujących się: 

a.  Pełna znajomość reguł, mała i średnia złożoność:  Dokładne algorytmy; 
b.  Częściowa znajomość reguł, mała i średnia złożoność: Modele statystyczne, 

systemy eksperckie, metody dedukcyjne; 

c.  Częściowy lub całkowity brak znajomości reguł, duża złożoność: Sieci 

neuronowe, modele indukcyjne. 

3.  Posługując się poniższym rysunkiem proszę omówić działanie pojedynczego neuronu 

jako elementu sztucznej sieci neuronowej 

 

Wejścia – „dendryty”, wchodzą przez nie sygnały. 
Wagi – cyfrowe odpowiedniki modyfikacji nadchodzących sygnałów dokonywanych 
przez synapsy. Wejścia mnożone są przez odpowiadające im wagi. 
Blok sumujący – odpowiednik jądra, następuje tu sumowanie wejść przemnożonych 
przez wagi. 
Blok aktywacji – odpowiednik wzgórka aksonu. Wyjście bloku sumującego jest 
argumentem funkcji aktywacji i w ten sposób wyliczane jest wyjście neuronu. 
Wyjście – akson. 

4.  Proszę wskazać prawidłowe stwierdzenie (-a): 

a.  Zachowanie sieci w zasadniczy sposób determinowane jest przez proces 

uczenia, a nie przez strukturę czy liczbę użytych do jej budowy 
elementów; 

b.  Zachowanie sieci w zasadniczy sposób determinowane jest przez strukturę 

sztucznej sieci neuronowej; 

c.  Zachowanie sieci w zasadniczy sposób determinowane jest przez liczbę 

użytych do jej budowy elementów. 

5.  Sztuczne sieci neuronowe mogą tworzyć modele dwóch typów: 

a.  Jednokierunkowe -

 

sieci neuronowe, w których nie występuje sprzężenie 

zwrotne, czyli pojedynczy wzorzec lub sygnał przechodzi przez każdy neuron 
dokładnie raz w swoim cyklu; 

b.  Rekurencyjne - sieć, w której połączenia między neuronami stanowią graf z 

cyklami. 

6.  Proszę wyjaśnić jaka jest rola neuronów warstwy ukrytej w sztucznej sieci 

neuronowej. 
Rolą warstwy ukrytej jest pośredniczenie pomiędzy warstwą wejściową, a wyjściową 
sieci i przekazywanie sygnałów. Najkrócej można powiedzieć, że warstwy te stanowią 
narzędzie, służące do takiego przetwarzania sygnałów wejściowych, by warstwa 
wyjściowa mogła łatwiej znaleźć potrzebną odpowiedź. Pośredniczą między wejściem 
i wyjściem oraz wypracowują zestawy wstępnie przetworzonych danych wejściowych, 
z których korzystać będą neurony dalszych warstw przy określeniu końcowego 
wyniku. 
Warstwa wejściowa - warstwa ta otrzymuje dane z zewnątrz sieci. Każdy neuron z 
warstwy wejściowej łączy się ze wszystkimi neuronami z obszaru ukrytego. 
Warstwa wyjściowa - Każdy neuron wyjściowy przyjmuje sygnały wejściowe, 
przetwarza je i wytwarza sygnał wyjściowy. Sygnały te stanowią rozwiązania 
stawianych sieci zadań. 

7.  Proszę wyjaśnić na czym polega zadanie optymalizacji. 

Zadanie optymalizacyjne polega na znalezieniu punktu x0 ze zbioru X takiego, że: 
f(x0) = max( f(x) ), x ∈ X lub f(x0) = min( f(x) ), x ∈ X 
Mówiąc inaczej: – szukanie najlepszego rozwiązania (ocenianegoliczbowo) 
– przykłady: minimalizacja kosztu, minimalizacja funkcji błędu, maksymalizacja 
wygranej (gry logiczne) 
znalezienie wśród różnych możliwych rozwiązań takie, które najbardziej nam 
odpowiada” 
 

8.  Proszę dokończyć zdanie: 

Elementarny algorytm genetyczny jest skonstruowany z następujących operacji: 
reprodukcja, krzyżowanie, mutacja. 
Reprodukcja – proces w którym indywidualne ciągi kodowe zostaną powielone w 
stosunku zależnym od wartości, jakie przybiera dla nich funkcja celu f (funkcja 
przystosowania). Jest to inaczej pewien miernik zysku, który chcemy 
zmaksymalizować. 
Krzyżowanie (proste) – to proces polegający na losowym kojarzeniu ciągów z puli 
rodzicielskiej w pary, losowy wybór punktu krzyżowania ciągów oraz zmiany 
wszystkich znaków na prawo od punktu krzyżowania.  
Mutacja – polega na sporadycznej zmianie elementu ciągu kodowego.