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 der Arbeitsspeicher bestimmte Bedingungen von Produktionsregeln erfüllt, schlagen diese die Anwendung bestimmter Operatoren vor.
	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.

2 Welche Aussagen zur Funktionsweise von kognitiven Architekturen sind richtig?

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

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

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

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

	externer Input
	Ruhepotential
	Aktivierung des betreffenden Knotens selbst
	Aktivierung der Nachbarknoten

5 Welche Aussagen zu den Funktionsbausteinen von Soar sind richtig?

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

6 Welche der folgenden Aussagen zur Agentenbasierten Modellierung treffen zu?

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

7 Wovon ist die Gewichtsveränderung bei der Deltaregel abhängig?

	Aktivierung des Inputknotens
	Lernrate
	Belohnungssignal
	Differenz zwischen gewünschtem und beobachtetem Output

8 Welche dieser Lernregeln gehören zum überwachten Lernen?

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

9 Was versteht man unter Populationsvektorkodierung bei dynamischen neuronalen Feldern?

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

10 Welche der folgenden Netztypen besitzen keine Rückkopplungen?

	Dynamische neuronale Felder
	Perzeptron
	Kohonen-Netze
	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?

	Entwicklung erfolgt durch Abstraktion über Daten bestimmter Fälle oder prinzipienorientiert ohne Daten
	Modelle dienen der Generalisierung und Theoriebildung
	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

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.
	Durch das Lernen bilden sich stabile Koaktivierungsmuster von Knoten.
	Die Knoten einer Schicht besitzen laterale Rückkopplungen.
	Attraktoren sind stabile Werte, zu denen die Gewichte immer wieder zurückkehren.

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

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

	Nicht
	Und
	exklusives Oder
	inklusives Oder

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

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

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

	Habituation
	Operantes Konditionieren
	Instruktionslernen
	Klassisches Konditionieren

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

	Manuelles Modul
	Deklaratives Modul
	Ziel Modul
	Introspektives Modul
	Prozedurales Modul

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

	Deltaregel
	Competitive Learning
	Backpropagation
	Hebb’sches Lernen

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

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

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

	Lernrate
	Aktivierung des Outputknotens
	Aktivierung des Inputknotens
	Fehlerterm

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?

	supervised learning
	reinforcement learning
	error-driven learning
	unsupervised 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 lokale Umwelt 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?

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

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.
	Über Produktionsregeln werden diese Informationen von den Modulen an das Produktionssystem weitergeleitet.
	Reihenfolge der Verarbeitungsschritte: Konflikterkennung, Mustererkennung und Ausführung der geplanten Aktionen.

27 Welche Verbindungsarten existieren im abgebildeten Netz?

	direkte Rückkopplungen
	laterale Rückkopplungen
	indirekte Rückkopplungen
	Feed-forward-Verbindungen

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

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

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 vom Ausmaß der Bewegung der einzelnen Individuen abhängig ist
	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 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 sehr kurzer Zeit dem Verhalten des Gesamtsystems an

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 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?

	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 die Modellierung des Prozesses sozialer Ansteckung durch Schwellenwertmodelle.
	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.

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

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

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

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

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

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

37 Was ist die Grundidee der Backpropagation-Regel?

	Neuronale Netze lernen unüberwacht durch Selbstorganisation.
	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.
	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 bekannter Strukturen
	Modellierung auf Basis struktureller Spekulationen

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

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

41 Im Vergleich zu ACT-R…

	ist deklaratives Wissen bei Soar in Form von Chunks abgespeichert.
	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.

42 Welche der folgenden Merkmale besitzen komplexe Systeme?

	Pfadunabhängigkeit
	Emergenz
	Linearität
	Selbstorganisation

43 Welche der folgenden Merkmale besitzen komplexe Systeme?

	Pfadunabhängigkeit
	Emergenz
	Selbstorganisation
	Linearität