Algorytm wstecznej propagacji daje globalnie optymalne wartosci wag po przejsciu wszystkich przykladow treningowych. NIE
Algorytm wychladzania jest w stanie dokladnie rozwiazac dowolny problem NP-trudny w czasie wielomianowym. NIE
Definicja pojecia sasiedztwa nie zalezy od rodzaju rozwiazywanego problemu. NIE
Definicja sasiedztwa wymaga wykorzystania odleglosci na plaszczyznie. NIE
Dwa rozne chromosomy nigdy nie buduja tego samego rozwiazania. NIE
Dwa zbiory rozmyte nie moga miec w tym samym punkcie niezerowych wartosci. NIE
Funkcja aktywacji w klasycznych neuronach jest nierosnaca. NIE
Funkcja przynaleznosci do zbioru rozmytego to to samo, co rozklad prawdopodobienstwa. NIE
Funkcja XOR jest jedyna funkcja logiczna, jakiej nie da sie zrealizowac za pomoca pojedynczego perseptronu o dwoch wejsciach. NIE
Jezeli siec neuronowa (po jednym cyklu uczenia metoda wstecznej propagacji) otrzyma na wejsciu obiekt identyczny z obiektem z probki treningowej to jej odpowiedz bedzie na perno prawidlowa. NIE
Maszyna Turinga zawsze zatrzymuje sie po znanej z gory liczbie krokow. NIE
Metoda odwracania dystrybuanty polega na przepuszczaniu wartosci bledu przez siec neuronowa w strone do wyjscia do wejscia. NIE
Metoda zachlanna to sposob pozwalajacy omijac optima lokalne. NIE
Metody grupowania (clustering) sluza do obliczania gradientu w algorytmie wstecznej propagacji. NIE
Metody zachlanne nigdy nie generuja globalnego rozwiazania problemow NP-trudnych. NIE
Metody zachlanne pozwalaja na dokladne rozwiazanie problemow NP-trudnych w czasie wielomianowym. NIE
Nauka siesi neuronowej polega na znalezieniu wlasciwej kolejnosci, w jakiej neurony powinny otrzymywac informacje. NIE
Nauka z nauczycielem polega na bezposrednim ustalaniu wag przez uzytkownika. NIE
Niedeterministyczna maszyna Turniga nie potrafi rozwiazac problemow NP-zupelnych w czasie wielomianowym. NIE
Pojedynczy perceptron o 3 wejsciach moze symulowac dowolna 3-argumntowa funkcje logiczna. NIE
Problem SAT (spelnialnosci formul logicznych) jest nierozwiazywalny w skonczonym czasie. NIE
Problemow NP-trudnych niegdy nie rozwiazemy dokladnie niezaleznie od wielkosci danych wejsciowych. NIE
Przeszukiwanie wiazkowe polega na wielokrotnym strosowaniu twierdzenia o schematach. NIE
Przeszukiwanie wiazkowe prowadzi do wykladnieczego wzrostu liczby badanych rozwiazan. NIE
SAT jest problemem polegajacym na znalezieniu optymalnej kolejnosci wykonywania dzialan podczas liczenia wartosci formuly logicznej. NIE
W algorymie wychladzania rozwazane jest dzialanie poprawiajace aktualne rozwiazanie. NIE
W algorytmie wychladzania relacja sasiedztwa rozwiazan nie powinna byc spojna. NIE
W algorytmie wychladzania rozwazamy wylacznie dzialania poprawiajace aktualne rozwiazanie. NIE
W przypadku skokowej funkcji aktywacji do nauki neuronu stosuje sie typowy algorytm wstecznej propagacji. NIE
W sieciach Hopfielda (pamieciach asocjacyjnych) rozwiazanie znajduje sie przez tworzenie w pamieci listy wyjsc odwiedzonych (zabronionych). NIE
Wejscie neuronu moze przyjmowac wylacznie dodatnie wartosci. NIE
Wybierajac drogi losowo nigdy nie mamy szansy znalezc najkrotszej trasy w problemie komiwojazera. NIE
Zmiany wag w algorytmie wstecznej propagacji odbywaja sie losowo, zgodnie z rozkladem prawdopodobienstwa. NIE
Znalezienie w grafie kliki rzedu 2 jest problemem NP-zupelnym. NIE