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.
	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.

2 Welche Aussagen zur Funktionsweise von kognitiven Architekturen sind richtig?

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

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

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

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?

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

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
	Differenz zwischen gewünschtem und beobachtetem Output
	Lernrate
	Belohnungssignal

8 Welche dieser Lernregeln gehören zum überwachten Lernen?

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

9 Was versteht man unter Populationsvektorkodierung bei dynamischen neuronalen Feldern?

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

10 Welche der folgenden Netztypen besitzen keine Rückkopplungen?

	Attraktorennetze
	Dynamische neuronale Felder
	Perzeptron
	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 beschäftigen sich mit der Entstehung menschlichen Verhaltens durch das Zusammenspiel interner Prozesse.
	Individuumsorientierte Modelle untersuchen Inter-Agenten-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 dienen der Generalisierung und Theoriebildung
	Entwicklung erfolgt durch Abstraktion über Daten bestimmter Fälle oder prinzipienorientiert ohne Daten
	Modelle verhalten sich, d.h. sie repräsentieren nicht nur abstrakte Zahlenketten, sondern können in eine Verbindung zur (virtuellen) Außenwelt gestellt werden
	Modelle überraschen selten, da ihre Komplexität durch die Modellierung angemessen reduziert werden muss

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.
	Die Knoten einer Schicht besitzen laterale Rückkopplungen.
	Durch das Lernen bilden sich stabile Koaktivierungsmuster von Knoten.
	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 entstehen durch Interaktionen von Elementen untergeordneter Level.
	Zusammensetzung der höheren Level aus den Objekten unterliegender Level ändert sich mit der Zeit.
	Elemente eines übergeordneten Levels stellen die reine Ansammlung von Objekten untergeordneter Level dar.
	Sowohl übergeordnete als auch untergeordnete Level folgen denselben Regeln.

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

	Und
	exklusives Oder
	Nicht
	inklusives Oder

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

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

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

	Habituation
	Operantes Konditionieren
	Klassisches Konditionieren
	Instruktionslernen

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

	Prozedurales Modul
	Introspektives Modul
	Manuelles Modul
	Ziel Modul
	Deklaratives Modul

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

	Competitive Learning
	Backpropagation
	Deltaregel
	Hebb’sches Lernen

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

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

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

	Aktivierung des Inputknotens
	Lernrate
	Fehlerterm
	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?

	reinforcement learning
	supervised learning
	error-driven learning
	unsupervised learning

23 Was versteht man unter stigmergischen Interaktionen?

	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
	direkte Form der Interaktion, bei welcher Agenten die Eigenschaft eines anderen Agenten verändern

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

	statistische Regularitäten im Inputmuster
	Schwellwert
	Lernrate
	Beitrag eines Gewichts zum Gesamtfehler

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

	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.
	Der Lerner generiert eine implizite Erwartung des korrekten Outputs als Kopie des aktuellen Inputs.

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.
	Über Produktionsregeln werden diese Informationen von den Modulen an das Produktionssystem weitergeleitet.
	Reihenfolge der Verarbeitungsschritte: Konflikterkennung, Mustererkennung und Ausführung der geplanten Aktionen.
	Das Produktionssystem kann nur auf eine begrenzte Menge an Informationen (Chunks) zurückgreifen.

27 Welche Verbindungsarten existieren im abgebildeten Netz?

	laterale Rückkopplungen
	Feed-forward-Verbindungen
	indirekte Rückkopplungen
	direkte Rückkopplungen

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

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

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

31 Wo liegen Beschränkungen der Deltaregel?

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

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

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

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

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

	Sie sind immer mit der Hiddenschicht verbunden.
	Sie ermöglichen das Lernen zeitlicher Sequenzen.
	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.

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

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

37 Was ist die Grundidee der Backpropagation-Regel?

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

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

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

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

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

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

41 Im Vergleich zu ACT-R…

	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.
	ist auch in Soar prozedurales Wissen in einem Regelspeicher abgelegt.

42 Welche der folgenden Merkmale besitzen komplexe Systeme?

	Selbstorganisation
	Pfadunabhängigkeit
	Emergenz
	Linearität