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?

	Bei jeder Bewältigung eines Unterziels wird eine neue Regel erstellt.
	Wenn kein beim Evaluationsprozess kein bester Operator gefunden werden kann, kehrt das System in den Ausgangszustand zurück.
	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?

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

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

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

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

	Aktivierung der Nachbarknoten
	externer Input
	Aktivierung des betreffenden Knotens selbst
	Ruhepotential

5 Welche Aussagen zu den Funktionsbausteinen von Soar sind richtig?

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

6 Welche der folgenden Aussagen zur Agentenbasierten Modellierung treffen zu?

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

7 Wovon ist die Gewichtsveränderung bei der Deltaregel abhängig?

	Differenz zwischen gewünschtem und beobachtetem Output
	Aktivierung des Inputknotens
	Belohnungssignal
	Lernrate

8 Welche dieser Lernregeln gehören zum überwachten Lernen?

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

9 Was versteht man unter Populationsvektorkodierung bei dynamischen neuronalen Feldern?

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

10 Welche der folgenden Netztypen besitzen keine Rückkopplungen?

	Kohonen-Netze
	Dynamische neuronale Felder
	Perzeptron
	Attraktorennetze

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?

	Sozialorientierte Modelle beschäftigen sich mit der Entstehung menschlichen Verhaltens durch das Zusammenspiel von Personen.
	Individuumsorientierte Modelle beschäftigen sich mit der Entstehung menschlichen Verhaltens durch das Zusammenspiel interner Prozesse.
	Individuumsorientierte Modelle untersuchen Inter-Agenten-Prozesse.
	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
	Entwicklung erfolgt durch Abstraktion über Daten bestimmter Fälle oder prinzipienorientiert ohne Daten
	Modelle dienen der Generalisierung und Theoriebildung
	Modelle verhalten sich, d.h. sie repräsentieren nicht nur abstrakte Zahlenketten, sondern können in eine Verbindung zur (virtuellen) Außenwelt gestellt werden

13 Welche Aussagen über Attraktorennetze sind zutreffend?

	Das Lernen erfolgt nach dem „Winner-takes-all“-Prinzip, sodass jeweils nur die Gewichte des am stärksten aktiven Knotens aktualisiert werden.
	Attraktoren sind stabile Werte, zu denen die Gewichte immer wieder zurückkehren.
	Durch das Lernen bilden sich stabile Koaktivierungsmuster von Knoten.
	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 entstehen durch Interaktionen von Elementen untergeordneter Level.
	Elemente eines übergeordneten Levels stellen die reine Ansammlung von Objekten untergeordneter Level dar.
	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?

	Und
	exklusives Oder
	inklusives Oder
	Nicht

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

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

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

	Operantes Konditionieren
	Klassisches Konditionieren
	Instruktionslernen
	Habituation

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

	Introspektives Modul
	Deklaratives Modul
	Manuelles Modul
	Prozedurales Modul
	Ziel Modul

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

	Competitive Learning
	Deltaregel
	Hebb’sches Lernen
	Backpropagation

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

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

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

	Fehlerterm
	Lernrate
	Aktivierung des Inputknotens
	Aktivierung des Outputknotens

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?

	error-driven learning
	reinforcement learning
	unsupervised learning
	supervised learning

23 Was versteht man unter stigmergischen Interaktionen?

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

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

	Lernrate
	Beitrag eines Gewichts zum Gesamtfehler
	Schwellwert
	statistische Regularitäten im Inputmuster

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?

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

27 Welche Verbindungsarten existieren im abgebildeten Netz?

	direkte Rückkopplungen
	Feed-forward-Verbindungen
	indirekte Rückkopplungen
	laterale Rückkopplungen

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

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

29 Welches Phänomen versucht das Konzept emergenter Level zu erklären?

	einzelne Teile oder Individuen einer Gesamtheit können ein anderes Verhalten als das Gesamtsystem zeigen
	das Verhalten einzelner Teile oder Individuen einer Gesamtheit gleicht sich innerhalb sehr kurzer Zeit dem Verhalten des Gesamtsystems an
	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

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

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

31 Wo liegen Beschränkungen der Deltaregel?

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

32 Was passiert in der Trainingsphase künstlicher neuronaler Netze?

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

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 chemischer oder biologischer Interaktionen von Organismen oder einzelnen Zellen.
	Agentenbasierte Modelle erlauben die Modellierung des Prozesses sozialer Ansteckung durch Schwellenwertmodelle.

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.
	die Integration zentraler Grundmechanismen menschlicher Kognition in ein Computerprogramm.
	rationale Gedankenkontrolle bei Menschen durchzuführen.

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

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

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
	handeln aktiv und reaktiv
	besitzen nur eine begrenzte Informationsmenge und Rationalität

37 Was ist die Grundidee der Backpropagation-Regel?

	Überwachtes Lernen in mehrschichtigen Netzen wird realisiert, indem Fehlerterme von der Outputschicht wieder zurückgesendet werden.
	In mehrschichtigen Netzen wird für jede Schicht im Vorhinein ein korrekter Output definiert, um überwachtes Lernen zu ermöglichen.
	Neuronale Netze lernen unüberwacht durch Selbstorganisation.
	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 existierender Theorien
	Modellierung auf Basis innovativer Vorstellungen
	Modellierung auf Basis struktureller Spekulationen
	Modellierung auf Basis bekannter Strukturen

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

	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.
	grundlegende Mechanismen menschlicher Kognition integriert zu beschreiben.

41 Im Vergleich zu ACT-R…

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

42 Welche der folgenden Merkmale besitzen komplexe Systeme?

	Pfadunabhängigkeit
	Selbstorganisation
	Emergenz
	Linearität