Aufgaben - Synthetische Modelle

Aus eLearning - Methoden der Psychologie - TU Dresden
Zur Navigation springen Zur Suche springen

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.


  

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?

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

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

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

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?

Der Regelspeicher greift auf das im Arbeitsspeicher kodierte prozedurale und Faktenwissen zurück.
Produktionsregeln können Operatoren vorschlagen und bewerten.
„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 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.

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?

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

9 Was versteht man unter Populationsvektorkodierung bei dynamischen neuronalen Feldern?

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

10 Welche der folgenden Netztypen besitzen keine Rückkopplungen?

Perzeptron
Kohonen-Netze
Dynamische neuronale Felder
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?

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

12 Welche der folgenden Merkmale besitzen Synthetische und Explanative Modelle?

Modelle überraschen selten, da ihre Komplexität durch die Modellierung angemessen reduziert werden muss
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
Entwicklung erfolgt durch Abstraktion über Daten bestimmter Fälle oder prinzipienorientiert ohne Daten

13 Welche Aussagen über Attraktorennetze sind zutreffend?

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.
Das Lernen erfolgt nach dem „Winner-takes-all“-Prinzip, sodass jeweils nur die Gewichte des am stärksten aktiven Knotens aktualisiert werden.

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?

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.
Das Lernprinzip kommt in der Realität nicht vor.
Der Lernvorgang findet gänzlich ungesteuert statt.

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

Klassisches Konditionieren
Habituation
Operantes Konditionieren
Instruktionslernen

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

Deklaratives Modul
Introspektives Modul
Manuelles Modul
Ziel Modul
Prozedurales Modul

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

Backpropagation
Deltaregel
Competitive Learning
Hebb’sches Lernen

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

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

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

Aktivierung des Inputknotens
Aktivierung des Outputknotens
Lernrate
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?

error-driven learning
unsupervised learning
reinforcement learning
supervised learning

23 Was versteht man unter stigmergischen Interaktionen?

direkte Form der Interaktion, bei welcher Agenten die Position 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 Eigenschaft 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.
Der Lerner generiert eine implizite Erwartung über die Konsequenz einer motorischen Aktion.
Ein externer „Lehrer“ gibt einen Output vor.

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

27 Welche Verbindungsarten existieren im abgebildeten Netz?

Direktindirekt.png

indirekte Rückkopplungen
direkte Rückkopplungen
Feed-forward-Verbindungen
laterale Rückkopplungen

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

die Aktivität eines einzelnen Inputknotens
die Aktivierung, die ein Knoten als Input für den nächsten Knoten weitergibt
den aufsummierten und gewichteten Input, den ein Knoten empfängt
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 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
einzelne Teile oder Individuen einer Gesamtheit können ein anderes Verhalten als das Gesamtsystem zeigen

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

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 Integration zentraler Grundmechanismen menschlicher Kognition in ein Computerprogramm.
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.

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

Sie ermöglichen das Lernen zeitlicher Sequenzen.
Sie können die Aktivierung einer Schicht für einen Verarbeitungsschritt zwischenspeichern.
Sie sind immer mit der Hiddenschicht verbunden.
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?

sind in eine unbegrenzte 2D oder 3D Umgebung eingebettet
besitzen nur eine begrenzte Informationsmenge und Rationalität
handeln nach eigenen Zielen
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 reduzierte Modelle.
Idealisierte Modelle versuchen die Realität auf ihre wesentliche funktionelle Essenz zu reduzieren.
Ein Nachteil idealisierter Modelle ist, dass sie aufgrund von unzureichend eingeschränkten freien Parametern zu viele mögliche Outcomes vorhersagen können.
Man unterscheidet idealisierte und detailgetreue Modelle.

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

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

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 deklaratives Wissen bei Soar in Form von Chunks abgespeichert.
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.

42 Welche der folgenden Merkmale besitzen komplexe Systeme?

Emergenz
Pfadunabhängigkeit
Selbstorganisation
Linearität