1. Metoda algorytmów genetycznych do optymalizacji funkcji

1. Metoda algorytmów genetycznych do optymalizacji funkcji. Dokładnie omówić pojęcie genotypu
oraz procesów krzyżowania, mutacji i selekcji.
2. Podstawowa metoda gradientu do iteracyjnej optymalizacji funkcji wielowymiarowych. Podać
matematyczny algorytm takiej optymalizacji, dla co najmniej dwuwymiarowej funkcji.
3. Co to jest układ hormonalny, rola i sposób jego działania Podać przykład, co najmniej trzech
dokrewnych gruczołów hormonalnych oraz podstawowe (przykładowe) funkcje działania tych
gruczołów.
4. Układ immunologiczny (odpornościowy): jego rola, budowa i sposób działania.
5. Układ nerwowy: jego budowa, sposób przekazywania informacji, podział ze względu na
realizowane funkcje.
6. Sposób przekazywania informacji poprzez neurony, a w szczególności sposób działania połączeń
synaptycznych.
----------------------------------------------------------------------------------------------------------------1. Narysować i wyjaśnić sposób działania modelu neuronu.
2. Co to jest funkcja wewnętrznego przetwarzania i funkcja aktywacji? Podać przykłady tych funkcji.
3. Na czym polega proces uczenia sieci neuronowej z "nauczycielem"? Wyjaśnij co to jest zbiór
uczącyi testujący, oraz zasady ich przygotowania.
4. Podaj algorytm uczenia z "nauczycielem" dla jednowarstwowej linowej sieci neuronowej.
5. Wyjaśnij zasadę klasyfikacji dla jednowarstwowej perceptronowej sieci neuronowej i podaj
algorytmuczenia z "nauczycielem" takiej sieci.
6. W "MATLABie" został wygenerowany następujący obiekt sieci neuronowej:
net=newff(minmax(X), [3 5 2],{'purelin' 'tansig' 'logsig'}). Przedstaw w sposób macierzowy "wygląd"
i sposób działania tej sieci. "Obraz" wejściowy (X) jest 4elementowy.
7. W "MATLABie" został wygenerowany trójwarstwowy obiekt sieci neuronowej "net". W obiekcie
tym wektor połączeń "obrazu" wejściowego ma postać [1; 0;1] (net.inputConnect=[1; 0;1]) ,
a macierz połączeń [0 0 1; 1 0 0; 0 1 0] (net.layerConnect = [0 0 1; 1 0 0; 0 1 0];)
Narysuj strukturę połączeń tej sieci neuronowej.