Aufgaben - Synthetische Modelle

Der folgenden Bereich enthält Fragen zu synthetischen und explanativen Modellen. Alle Fragen sind Multiple Choice Fragen, d.h. es können immer mehrere Antworten richtig sein. Klicken Sie zur Beantwortung einer Frage die korrekten Antwortmöglichkeiten an. Um Ihre Ergebnisse auszuwerten, wählen Sie bitte den Button "Speichern" am unteren Ende der Seite.

Für jede vollständig richtig beantwortete Frage erhalten Sie einen Punkt. Für falsche beantwortete Fragen werden Ihnen keine Punkte abgezogen. Sie können diese Einstellung jedoch beliebig verändern. Ihre Gesamtpunktzahl finden Sie am unteren Seitenende.

Pluspunkt für eine richtige Antwort:
Punkte für eine falsche Antwort:
Ignoriere die Fragen-Koeffizienten:

1 Welche Aussagen zum Verarbeitungszyklus in Soar sind richtig?

	Wenn kein beim Evaluationsprozess kein bester Operator gefunden werden kann, kehrt das System in den Ausgangszustand zurück.
	Bei jeder Bewältigung eines Unterziels wird eine neue Regel erstellt.
	Wenn der Arbeitsspeicher bestimmte Bedingungen von Produktionsregeln erfüllt, schlagen diese die Anwendung bestimmter Operatoren vor.

2 Welche Aussagen zur Funktionsweise von kognitiven Architekturen sind richtig?

	Anwender können ihre Experimente in Form von Programmen in die Architekturen einbauen und testen.
	Kognitive Architekturen funktionieren ähnlich wie eine Programmiersprache.
	Man kann damit Daten wie Reaktionslatenzen und Genauigkeit simulieren.
	Die Modelle innerhalb von kognitiven Architekturen sind nicht generalisierbar.

3 Über welche dieser Fähigkeiten verfügen neuronale Netze (sowohl künstliche als auch biologische)?

	Toleranz gegenüber Fehlern im Input
	Generalisierung von Bekanntem auf Unbekanntes
	Lernen und Selbstorganisation
	lokale, ortsspezifische Speicherung von Mustern

4 Wodurch wird die Aktivierung der Knoten in dynamischen Feldern beeinflusst?

	Aktivierung der Nachbarknoten
	externer Input
	Ruhepotential
	Aktivierung des betreffenden Knotens selbst

5 Welche Aussagen zu den Funktionsbausteinen von Soar sind richtig?

	Der Regelspeicher greift auf das im Arbeitsspeicher kodierte prozedurale und Faktenwissen zurück.
	„Chunking“ bezeichnet die Gruppierung von Operatoren in eine funktionale Kategorie.
	Produktionsregeln können Operatoren vorschlagen und bewerten.

6 Welche der folgenden Aussagen zur Agentenbasierten Modellierung treffen zu?

	Agentenbasierte Modellierung nutzt vieler kleine autonome Einheiten, welche keine Entscheidungs- oder Handlungsmöglichkeiten besitzen.
	Agentenbasierte Modellierung kann keine Erklärungsansätze für soziale Phänomene wie z.B. Massenpanik bieten.
	Agenten bringen durch Interaktion miteinander ein bestimmtes Systemverhalten hervor.
	Agentenbasierte Modellierung wird zur Untersuchung komplexer Systeme verwendet.

7 Wovon ist die Gewichtsveränderung bei der Deltaregel abhängig?

	Differenz zwischen gewünschtem und beobachtetem Output
	Belohnungssignal
	Aktivierung des Inputknotens
	Lernrate

8 Welche dieser Lernregeln gehören zum überwachten Lernen?

	Hebb’sche Lernregel
	Delta-Regel
	Competitive Learning
	Backpropagation-Regel

9 Was versteht man unter Populationsvektorkodierung bei dynamischen neuronalen Feldern?

	Eine Population von Knoten kodiert gemeinsam eine Eigenschaftsdimension.
	Jeder Knoten hat eine „präferierte“ Eigenschaftsdimension.
	Ein Knoten kodiert eine Population von Eigenschaften.
	Jeder Knoten hat eine „präferierte“ Eigenschaftsausprägung.

10 Welche der folgenden Netztypen besitzen keine Rückkopplungen?

	Perzeptron
	Attraktorennetze
	Dynamische neuronale Felder
	Kohonen-Netze

11 Synthetische und Explanative Modelle werden zur Modellierung komplexer Prozesse verwendet. Der Mensch stellt ein überaus komplexes System dar, dessen Verhalten mittels gesonderter Modelle aus verschiedenen Perspektiven analysiert werden kann. Welche Aussagen über diese verschiedenen Betrachtungsebenen sind zutreffend?

	Individuumsorientierte Modelle untersuchen Inter-Agenten-Prozesse.
	Individuumsorientierte Modelle beschäftigen sich mit der Entstehung menschlichen Verhaltens durch das Zusammenspiel interner Prozesse.
	Sozialorientierte Modelle beschäftigen sich mit der Entstehung menschlichen Verhaltens durch das Zusammenspiel von Personen.
	Sozialorientierte Modelle untersuchen Intra-Agenten-Prozesse.

12 Welche der folgenden Merkmale besitzen Synthetische und Explanative Modelle?

	Modelle überraschen selten, da ihre Komplexität durch die Modellierung angemessen reduziert werden muss
	Modelle verhalten sich, d.h. sie repräsentieren nicht nur abstrakte Zahlenketten, sondern können in eine Verbindung zur (virtuellen) Außenwelt gestellt werden
	Entwicklung erfolgt durch Abstraktion über Daten bestimmter Fälle oder prinzipienorientiert ohne Daten
	Modelle dienen der Generalisierung und Theoriebildung

13 Welche Aussagen über Attraktorennetze sind zutreffend?

	Attraktoren sind stabile Werte, zu denen die Gewichte immer wieder zurückkehren.
	Durch das Lernen bilden sich stabile Koaktivierungsmuster von Knoten.
	Das Lernen erfolgt nach dem „Winner-takes-all“-Prinzip, sodass jeweils nur die Gewichte des am stärksten aktiven Knotens aktualisiert werden.
	Die Knoten einer Schicht besitzen laterale Rückkopplungen.

14 Welche Aussagen zum Konzept der emergenten (oder auch aufsteigenden) Level, welches bei der Modellierung zu beachten ist, treffen zu?

	Elemente eines übergeordneten Levels stellen die reine Ansammlung von Objekten untergeordneter Level dar.
	Elemente eines übergeordneten Levels entstehen durch Interaktionen von Elementen untergeordneter Level.
	Zusammensetzung der höheren Level aus den Objekten unterliegender Level ändert sich mit der Zeit.
	Sowohl übergeordnete als auch untergeordnete Level folgen denselben Regeln.

15 Welcher logische Operator lässt sich nicht mit einem einschichtigen Perzeptron umsetzen?

	exklusives Oder
	Nicht
	inklusives Oder
	Und

16 Welche Probleme und Schwierigkeiten treten beim Reinforcement-Lernen auf?

	Reinforcement-Lernen dauert oft länger als überwachtes Lernen.
	Der Lernvorgang findet gänzlich ungesteuert statt.
	Das Lernprinzip kommt in der Realität nicht vor.
	Belohnungen treten oft zeitversetzt zu Handlungen auf.

17 Welche Art des Lernens lässt sich mit Hebb’schem Lernen erklären?

	Operantes Konditionieren
	Habituation
	Klassisches Konditionieren
	Instruktionslernen

18 Die kognitive Architektur ACT-R besteht aus folgenden Modulen:

	Introspektives Modul
	Deklaratives Modul
	Prozedurales Modul
	Manuelles Modul
	Ziel Modul

19 Welche Lernregel ähnelt der klassischen Perzeptron-Lernregel am stärksten?

	Hebb’sches Lernen
	Deltaregel
	Backpropagation
	Competitive Learning

20 Welches dieser Konzepte ist kein zentraler Baustein dynamischer neuronaler Felder?

	kontinuierliche topologische Repräsentationen
	Lernen durch Änderung des Interaktionskernels
	laterale Inhibition
	Entwicklung von Aktivierung über die Zeit

21 Was hat beim Hebb’schen Lernen keinen Einfluss auf die Gewichtsveränderung?

	Aktivierung des Inputknotens
	Aktivierung des Outputknotens
	Fehlerterm
	Lernrate

22 Um welche Form des Lernens handelt es sich, wenn ein Kind versucht, das richtige Puzzleteil zu finden, indem es verschiedene Teile ausprobiert, um zu sehen, ob sie passen?

	reinforcement learning
	supervised learning
	unsupervised learning
	error-driven learning

23 Was versteht man unter stigmergischen Interaktionen?

	indirekte Form der Interaktion, bei welcher Agenten ihre lokale Umwelt verändern
	direkte Form der Interaktion, bei welcher Agenten die Eigenschaft eines anderen Agenten verändern
	indirekte Form der Interaktion, bei welcher Agenten ihre Position verändern
	direkte Form der Interaktion, bei welcher Agenten die Position eines anderen Agenten verändern

24 Was beeinflusst die Gewichtsveränderung bei Nutzung der Backpropagation-Regel?

	Beitrag eines Gewichts zum Gesamtfehler
	Schwellwert
	statistische Regularitäten im Inputmuster
	Lernrate

25 Was versteht man unter impliziter Rekonstruktion des Inputs als Trainingssignal?

	Der Lerner generiert eine implizite Erwartung des korrekten Outputs als Kopie des aktuellen Inputs.
	Der Lerner generiert eine implizite Erwartung des korrekten Outputs als Assoziation zum aktuellen Input.
	Ein externer „Lehrer“ gibt einen Output vor.
	Der Lerner generiert eine implizite Erwartung über die Konsequenz einer motorischen Aktion.

26 Welche Aussagen zum zentralen Produktionssystem der kognitiven Architektur ACT-R sind richtig?

	Das Produktionssystem kann nur auf eine begrenzte Menge an Informationen (Chunks) zurückgreifen.
	Reihenfolge der Verarbeitungsschritte: Konflikterkennung, Mustererkennung und Ausführung der geplanten Aktionen.
	Produktionsregeln aktualisieren u.a. die Zwischenspeicher für deren weitere Nutzung im nächsten Zyklus.
	Über Produktionsregeln werden diese Informationen von den Modulen an das Produktionssystem weitergeleitet.

27 Welche Verbindungsarten existieren im abgebildeten Netz?

	direkte Rückkopplungen
	indirekte Rückkopplungen
	Feed-forward-Verbindungen
	laterale Rückkopplungen

28 Was versteht man bei künstlichen neuronalen Netzen unter dem Netzinput?

	den aufsummierten und gewichteten Input, den ein Knoten empfängt
	die Aktivierung, die ein Knoten als Input für den nächsten Knoten weitergibt
	die Aktivität eines einzelnen Inputknotens
	das Aktivitätsmuster der Inputschicht

29 Welches Phänomen versucht das Konzept emergenter Level zu erklären?

	das Verhalten einzelner Teile oder Individuen einer Gesamtheit gleicht sich innerhalb einer bestimmten Zeitspanne dem Gesamtsystem an, welche von der Anzahl der Elemente des Gesamtsystems abhängig ist
	das Verhalten einzelner Teile oder Individuen einer Gesamtheit gleicht sich innerhalb einer bestimmten Zeitspanne dem Gesamtsystem an, welche vom Ausmaß der Bewegung der einzelnen Individuen abhängig ist
	das Verhalten einzelner Teile oder Individuen einer Gesamtheit gleicht sich innerhalb sehr kurzer Zeit dem Verhalten des Gesamtsystems an
	einzelne Teile oder Individuen einer Gesamtheit können ein anderes Verhalten als das Gesamtsystem zeigen

30 Welche Aussagen beschreiben Reinforcement-Lernen in künstlichen neuronalen Netzen?

	Das Lernen wird durch Vorgabe eines korrekten Outputs gesteuert.
	Das Grundprinzip des Reinforcement-Lernens entspricht dem operanten Konditionieren.
	Das Netz erhält eine Information über die Richtigkeit seines Outputs.
	Es wird kein korrekter Output vorgegeben.

31 Wo liegen Beschränkungen der Deltaregel?

	Sie berücksichtigt den Inputknoten nicht.
	Sie eignet sich nicht für mehrschichtige Netze.
	Das Kennen der exakten Outputaktivierungen ist nicht biologisch plausibel.
	Sie ist sehr rechenaufwändig.

32 Was passiert in der Trainingsphase künstlicher neuronaler Netze?

	Die Generalisierungsfähigkeit des Netzwerks wird überprüft.
	Gewichte verändern sich.
	Eine Lernregel wird angewendet.
	Inputmuster werden präsentiert.

33 Aus komplexen Systemen resultieren komplexe Verhaltensmuster. Welche Aussagen über zentrale Themen der Agentenbasierten Modellierung treffen zu?

	Agentenbasierte Modelle erlauben keine Beschreibung komplexer und räumlicher und zeitlicher Muster.
	Agentenbasierte Modelle erlauben die Modellierung des Prozesses sozialer Kooperation.
	Agentenbasierte Modelle erlauben die Modellierung des Prozesses sozialer Ansteckung durch Schwellenwertmodelle.
	Agentenbasierte Modelle erlauben die Modellierung chemischer oder biologischer Interaktionen von Organismen oder einzelnen Zellen.

34 ACT-R (Adaptive Control of Thought – Rational) ermöglicht…

	die selbstständige Implementierung von eigenen Modellen durch eine Standalone-Anwendung.
	die Überprüfung von Theorien durch den Vergleich simulierter und empirischer Verhaltensdaten.
	rationale Gedankenkontrolle bei Menschen durchzuführen.
	die Integration zentraler Grundmechanismen menschlicher Kognition in ein Computerprogramm.

35 Welche Aussagen über Kontextknoten in einfachen rekurrenten Netzen sind zutreffend?

	Sie können die Aktivierung einer Schicht für einen Verarbeitungsschritt zwischenspeichern.
	Sie ermöglichen das Lernen zeitlicher Sequenzen.
	Sie sind stets über unveränderliche Gewichte in beide Richtungen mit dem Rest des Netzes verbunden.
	Sie sind immer mit der Hiddenschicht verbunden.

36 Welche Aussagen über Agenten, deren Verhalten im Rahmen eines Agentenmodells beschrieben wird, treffen zu?

	sind in eine unbegrenzte 2D oder 3D Umgebung eingebettet
	handeln nach eigenen Zielen
	besitzen nur eine begrenzte Informationsmenge und Rationalität
	handeln aktiv und reaktiv

37 Was ist die Grundidee der Backpropagation-Regel?

	Neuronale Netze lernen unüberwacht durch Selbstorganisation.
	In mehrschichtigen Netzen wird für jede Schicht im Vorhinein ein korrekter Output definiert, um überwachtes Lernen zu ermöglichen.
	Überwachtes Lernen in mehrschichtigen Netzen wird realisiert, indem Fehlerterme von der Outputschicht wieder zurückgesendet werden.
	Belohnungsinformationen werden schichtweise von der Outputschicht zurückgesendet, um Reinforcement-Lernen zu ermöglichen.

38 Agentenmodelle werden anhand ihrer Abstraktionsniveaus in unterschiedliche Gruppen eingeteilt. Welche Aussagen über diese Gliederung und die verschiedenen Gruppen von Modellen treffen zu?

	Man unterscheidet idealisierte und detailgetreue Modelle.
	Man unterscheidet idealisierte und reduzierte Modelle.
	Ein Nachteil idealisierter Modelle ist, dass sie aufgrund von unzureichend eingeschränkten freien Parametern zu viele mögliche Outcomes vorhersagen können.
	Idealisierte Modelle versuchen die Realität auf ihre wesentliche funktionelle Essenz zu reduzieren.

39 Welche Möglichkeiten der Modellierung von Synthetischen und Explanativen Modellen werden angewandt?

	Modellierung auf Basis innovativer Vorstellungen
	Modellierung auf Basis struktureller Spekulationen
	Modellierung auf Basis existierender Theorien
	Modellierung auf Basis bekannter Strukturen

40 Der Sinn von kognitiven Architekturen besteht darin, ...

	grundlegende Mechanismen menschlicher Kognition integriert zu beschreiben.
	Theorie und deren komputationale Realisierung zu integrieren.
	die Struktur eines spezifischen kognitiven Prozesses isoliert zu modellieren.
	mehrere unterschiedliche kognitive Aufgaben modellieren und bearbeiten zu können.

41 Im Vergleich zu ACT-R…

	ist auch in Soar prozedurales Wissen in einem Regelspeicher abgelegt.
	hat Soar kein separates Arbeitsgedächtnis.
	gibt es bei Soar mehrere Mechanismen, neues Wissen zu erwerben.
	ist deklaratives Wissen bei Soar in Form von Chunks abgespeichert.

42 Welche der folgenden Merkmale besitzen komplexe Systeme?

	Linearität
	Emergenz
	Selbstorganisation
	Pfadunabhängigkeit

43 Welche der folgenden Merkmale besitzen komplexe Systeme?

	Linearität
	Selbstorganisation
	Emergenz
	Pfadunabhängigkeit