Prévia do material em texto
07/05/2021 Comentários https://sereduc.blackboard.com/ultra/courses/_52016_1/outline/assessment/_3509484_1/overview/attempt/_12088417_1/review/inline-feedback?… 1/7 Conteúdo do exercício Ocultar opções de resposta Avaliação On-Line 1 (AOL 1) - Questionário Edward Luiz Alves Reis Pergunta 1 -- /1 Em uma rede neural artificial (RNA), é simulada a conexão entre os neurônios, através do uso de pesos (weights). Consideramos que os pesos (weights) servem à função de definir qual a prioridade para cada dado de entrada ao longo da camada. Conforme a RNA é treinada (processo de treinamento), alteram-se os pesos. Fonte: LUDWIG, O.; COSTA, E. Redes Neurais: Fundamentos e Aplicações com Programas em C. Rio de Janeiro: Editora Ciência Moderna, 2007. Considerando essas informações e o conteúdo estudado sobre pesos (weights) em RNAs, pode-se afirmar que os pesos (weights) alteram-se conforme a rede é treinada porque: Resposta correta mudam à medida que passam pelos neurônios, baseando-se em uma informação conhecida como Activity Level (AL). Incorreta: mudam à medida que esses dados se tornam uma função de ativação. os neurônios passam por divisão matemática. mudam à medida que os neurônios da rede neural profunda são zerados matematicamente. 5/10 Nota final Enviado: 07/05/21 22:59 (BRT) 07/05/2021 Comentários https://sereduc.blackboard.com/ultra/courses/_52016_1/outline/assessment/_3509484_1/overview/attempt/_12088417_1/review/inline-feedback?… 2/7 Mostrar opções de resposta mudam conforme esses dados são classificados pela rede neural profunda. Pergunta 2 -- /1 Uma das técnicas da IA é a Machine Learning (ML) ou Aprendizado de Máquina. Nesta técnica, objetiva-se fazer com que os computadores possam “aprender”, através de algoritmos programados. A utilização de algoritmos de Machine Learning deu origem aos algoritmos de Aprendizagem Profunda. São correlatas, muito embora tenha-se por definição que a Deep Learning esteja contida dentro da Machine Learning, como subárea de estudos. Fonte: RUSSELL, Stuart J.; NORVIG, Peter. Artificial Intelligence: A modern approach. New Jersey: Editora Prentice Hall, Estados Unidos da América, 1995. Considerando essas informações e o conteúdo estudado sobre Machine Learning, analise as afirmativas a seguir. I. Na técnica de Machine Learning, objetiva-se fazer o computador aprender e tomar decisões baseadas em resultados passados. II. Os primeiros estudos sobre Machine Learning, técnica considerada uma subárea da IA, começaram em 2018. III. Através da técnica de Machine Learning é possível que computadores aprendam a partir de um processo de treinamento. IV. Historicamente, a técnica de Machine Learning é aquela em que o primeiro algoritmo de IA foi desenvolvido na década de 1930. Está correto apenas o que se afirma em: Pergunta 3 -- /1 Leia o trecho a seguir: “As funções de ativação permitem que pequenas mudanças nos pesos e bias causem apenas uma pequena alteração no output. Esse é o fato crucial que permitirá que uma rede de neurônios artificiais aprenda [...]. As funções de ativação são um elemento extremamente importante das redes neurais artificiais. Elas basicamente decidem se um neurônio deve ser ativado ou não. Ou seja, se a informação que o neurônio está recebendo é relevante para a informação fornecida ou deve ser ignorada.” 07/05/2021 Comentários https://sereduc.blackboard.com/ultra/courses/_52016_1/outline/assessment/_3509484_1/overview/attempt/_12088417_1/review/inline-feedback?… 3/7 Ocultar opções de resposta Ocultar opções de resposta Fonte: DATA SCIENCE ACADEMY. Deep Learning Book, 2019. Disponível em: <http://deeplearningbook.com.br/funcao-de-ativacao/>. Acesso em: 19 out. 2019. Considerando essas informações e o conteúdo estudado sobre funções de ativação, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). I. ( ) As funções de ativação permitem que pequenas mudanças nos pesos e bias causem apenas uma alteração no output. II. ( ) As funções de ativação são necessárias em Redes Neurais Biológicas. III. ( ) As funções de ativação são utilizadas em específico na última camada da rede neural. IV. ( ) A função de ativação cria uma “transformação não-linear”, aplicada aos dados de entrada. V. ( ) A função de ativação implica em que a camada de entrada torne-se desnecessária em uma rede neural artificial. Agora, assinale a alternativa que apresenta a sequência correta: F, V, F, F, V. V, F, F, F, V. V, V, F, V, F. Incorreta: F, V, F, V, F. Resposta corretaV, F, F, V, F. Pergunta 4 -- /1 Dimensão ou dimensionalidade de uma Rede Neural Artificial é a sua forma escalar na quantidade de neurônios de entrada ou saída. O principal problema da dimensionalidade está relacionado com a perda de “foco” do algoritmo, que, por sua vez, pode gerar respostas erradas. Fonte: BEZERRA, E. Introdução à Aprendizagem Profunda. Artigo – 31º Simpósio Brasileiro de Banco de Dados – SBBD2016 – Salvador, 2016. Considerando essas informações e o conteúdo estudado, sobre o “foco” na dimensionalidade é correto afirmar que: as RNAs possuem a funcionalidade de auto-gestão da dimensionalidade e, por isso, pode-se perder o “foco”. a RNA sofre influência de pesos discrepantes e isso ocasiona aumento de dimensionalidade. 07/05/2021 Comentários https://sereduc.blackboard.com/ultra/courses/_52016_1/outline/assessment/_3509484_1/overview/attempt/_12088417_1/review/inline-feedback?… 4/7 Mostrar opções de resposta a RNA analisa as informações de forma superficial. Resposta correta o seu aumento pode gerar erro na acurácia do resultado, portanto, deve-se buscar reduzi-la para um número “ótimo”. Incorreta: a RNA perde o “foco” quando se tem poucos dados para analisar. Pergunta 5 -- /1 Sabemos que a área de Inteligência Artificial (IA) busca a análise e o desenvolvimento de sistemas inteligentes, isto é, com capacidade de desempenhar algo que, caso fosse executado por um ser humano, seria considerado como algo inteligente. Para descrever isso, alguns autores tentam descrever características da Inteligência Artificial. Fonte: ERTEL, W. Introduction to artificial intelligence. [S.l.]: Springer Science & Business Media, 2011. Considerando essas informações e o conteúdo estudado sobre as características dos sistemas inteligentes, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). I. ( ) A capacidade de raciocínio pode ser considerada uma característica básica da Inteligência Artificial. II. ( ) A inferência pode ser considerada uma característica básica da Inteligência Artificial. III. ( ) A criação de padrões pode ser considerada uma característica básica da Inteligência Artificial. IV. ( ) O reconhecimento de padrões pode ser considerado uma característica básica da Inteligência Artificial. V. ( ) A aprendizagem pode ser considerada uma característica básica da Inteligência Artificial. Agora, assinale a alternativa que apresenta a sequência correta: Pergunta 6 -- /1 O bias, parte integrante do cálculo de saída de um Perceptron, passa por uma função de ativação e, por último, gera um output, ou seja, uma saída específica para o conjunto de entrada de dados. O bias é elemento importantíssimo para o funcionamento correto de uma estrutura de rede neural artificial. Porém, para o valor do bias ser um valor correto e funcional, é necessário que haja a multiplicação deste por alguns valores. 07/05/2021 Comentários https://sereduc.blackboard.com/ultra/courses/_52016_1/outline/assessment/_3509484_1/overview/attempt/_12088417_1/review/inline-feedback?… 5/7 Ocultar opções de resposta Ocultar opções de resposta Fonte: HAYKIN, Simon. Redes Neurais: Princípios e Prática. 2. ed. Porto Alegre: Bookman, 2001. Considerando essas informações e o conteúdo estudado sobre bias em redes neurais, analise as afirmativas a seguir. I. Bias é multiplicado pelos pesos das entradas. II. Bias é multiplicado pelo valor das entradas. III. Bias é multiplicadopelo número de neurônios. IV. Bias é multiplicado pelo número de camadas. Está correto o que se afirma em: II e IV. Resposta corretaI e II. II e III. Incorreta: III e IV. I e IV. Pergunta 7 -- /1 Tratando-se da área de Inteligência Artificial (IA) e sobre a comparação entre natural e artificial, ou seja, entre redes neurais biológicas e redes neurais artificiais, podemos dizer que, ao mesmo tempo, existem semelhanças e diferenças. Fonte: BEZERRA, E. Introdução à Aprendizagem Profunda. 31º Simpósio Brasileiro de Banco de Dados – SBBD2016 – Salvador, 2016. Considerando essas informações e o conteúdo estudado sobre redes neurais biológicas e redes neurais artificiais, pode-se afirmar que: biologicamente, as redes neurais se baseiam em um conceito de neurônio, enquanto artificialmente se baseiam em um conceito diferente. para simular o funcionamento de ambas as redes, é necessário construir uma réplica do cérebro humano. Incorreta: 07/05/2021 Comentários https://sereduc.blackboard.com/ultra/courses/_52016_1/outline/assessment/_3509484_1/overview/attempt/_12088417_1/review/inline-feedback?… 6/7 Mostrar opções de resposta fisicamente, há diferença de tamanho entre a rede neural biológica e a rede neural artificial, sendo a primeira maior do que a segunda. Resposta correta a complexidade do processo de transmissão de sinais entre neurônios em ambas as redes é semelhante. cada unidade ou neurônio trabalha de forma desconectada e independente em ambas as redes. Pergunta 8 -- /1 É impossível falar de Redes Neurais Profundas, isto é, de Deep Learning, sem antes resgatar a origem das Redes Neurais Artificiais. Historicamente, as redes neurais artificias se referem a meados da década de 50, na segunda metade do século XX. Tal época seria marcada pela criação de Frank Rosenblatt. Fonte: ROSENBLATT, Frank. The Perceptron: A perceiving and recognizing automaton. Report 85-460-1, Cornell Aeronautical Laboratory, 1957. Considerando essas informações e o conteúdo estudado sobre redes neurais profundas, pode-se afirmar que a segunda metade do século XX foi importante para a área de IA porque: Pergunta 9 -- /1 No cérebro humano, o conhecimento transmitido através das sinapses se dá por meio de reações químicas e que geram impulsos elétricos. E, a partir do uso dessas funções, o cérebro humano começa a criar o pensamento. Ao invés de utilizarem-se de reações químicas, os Perceptrons fazem uso principalmente de elementos que levarão ao cálculo da função de saída. Fonte: ROSENBLATT, Frank. The Perceptron: A perceiving and recognizing automaton. Report 85-460-1, Cornell Aeronautical Laboratory, 1957. Considerando essas informações e o conteúdo estudado sobre o Perceptron de Rosenblatt, analise as afirmativas a seguir. I. As entradas (inputs) são uma das causas do início do processamento em um Perceptron. II. A Deep Learning é uma das causas do início do processamento em um Perceptron. III. A função de ativação é uma das causas do início do processamento em um Perceptron. IV. Os pesos (weights) são uma das causas do início do processamento em um Perceptron. 07/05/2021 Comentários https://sereduc.blackboard.com/ultra/courses/_52016_1/outline/assessment/_3509484_1/overview/attempt/_12088417_1/review/inline-feedback?… 7/7 Mostrar opções de resposta Mostrar opções de resposta Está correto apenas o que afirma em: Pergunta 10 -- /1 A Ciência da Computação é uma área da ciência com diversas ramificações e aplicações. Dentro dela, estudamos uma em particular, conhecida como Inteligência Artificial - IA. Esta área é responsável por estudar e desenvolver modelos que representem o conhecimento humano e da natureza para a resolução de problemas reais. É possível definir IA como uma área voltada para a produção de algoritmos. Considerando essas informações e o conteúdo estudado sobre algoritmos em Inteligência Artificial (IA), analise as afirmativas a seguir. I. Algoritmos de IA simulam o cérebro humano. II. Algoritmos de IA imitam o funcionamento de neurônios humanos. III. Algoritmos de IA tem como função majoritária se conectar com o cérebro humano no computador, por meio da internet. IV. Algoritmos de IA realizam cálculos ainda imprecisos sobre o funcionamento interno do cérebro humano. Está correto apenas o que se afirma em: