Avaliação On-Line 4 (AOL 4)

Prévia do material em texto

Avaliação On-Line 4 (AOL 4) - Questionário
Conteúdo do exercício
1. Pergunta 1
/1
Na área de Inteligência Artificial (IA), e mais especificamente na subárea de Aprendizagem Profunda ou Deep Learning (DL), a subárea se aplica, também, ao setor de comércio. Isto é, tem o potencial de atender os comerciantes em diferentes formas: varejistas, atacadistas, atacarejos, etc. 
 
Considerando essas informações e o conteúdo estudado sobre aplicações comerciais, pode-se afirmar que: 
Ocultar opções de resposta 
1. 
no comércio varejista, a aplicação de Internet of Thinking está intimamente relacionada com Deep Learning.
Resposta correta
2. 
no comércio varejista, a aplicação de Internet of Retailers está intimamente relacionada com Deep Learning. 
3. 
no comércio varejista, a aplicação de Industrial Internet of Things está intimamente relacionada com Deep Learning.
4. 
no comércio varejista, a aplicação de Internet of Sales está intimamente relacionada com Deep Learning. 
5. 
no comércio varejista, a aplicação de Internet of Things está intimamente relacionada com Deep Learning. 
2. Pergunta 2
/1
O uso da camada de pooling dentro de uma CNN é importante, pois, através dessa técnica se montam amostras menores não lineares, ou seja: diminuindo a resolução da imagem e focando apenas nas características em comum das imagens da mesma classe no treinamento. 
 
Considerando essas informações e o conteúdo estudado sobre pooling em redes neurais convolucionais ou Convolutional Neural Networks (CNNs), pode-se afirmar que o processo de pooling é bastante importante, porque: 
Ocultar opções de resposta 
1. 
nas CNNs, através de pooling, há um processo de backpropagation reverso. 
2. 
nas CNNs, através de pooling, será reduzido o consumo de recursos de hardware. 
Resposta correta
3. 
nas CNNs, através de pooling, há inserção de dados alternativos no backpropagation. 
4. 
nas CNNs, através de pooling, a rede neural necessitará de hardware mais poderoso para fazer a execução do algoritmo em um tempo razoável. 
5. 
nas CNNs, através de pooling, há necessidade de passar por mais esse processo entre os processos de treinamento, o que tornará o algoritmo mais lento. 
3. Pergunta 3
/1
Em algoritmos de Faster R-CNN, o cálculo se subdivide em duas etapas. O primeiro cálculo informa se o kernel (janela) contém o objeto de interesse, de acordo com o último mapa de características da camada de convolução. O segundo cálculo é diferente do primeiro. 
 
Considerando essas informações e o conteúdo estudado sobre Faster R-CNN, pode-se afirmar que, em Faster R-CNN, o segundo cálculo é diferente do primeiro porque: 
Ocultar opções de resposta 
1. 
em Faster R-CNN, o segundo cálculo verifica se na imagem consta o objeto de interesse. 
Resposta correta
2. 
em Faster R-CNN, o segundo cálculo faz o tratamento dos pixels coloridos. 
3. 
em Faster R-CNN, o segundo cálculo faz análise do sombreamento da imagem. 
4. 
em Faster R-CNN, o segundo cálculo seleciona o grau de inclinação do sombreamento. 
5. 
em Faster R-CNN, o segundo cálculo faz a seleção degradê do processo de pixels convolucionais. 
4. Pergunta 4
/1
Leia o excerto a seguir: 
 
“As Redes Neurais Convolucionais, geralmente encontradas na literatura como CNNs (Convolutional Neural Networks), têm como inspiração o mecanismo do córtex visual humano, pois o mesmo tem uma grande quantidade de células que possuem a função de detectar a luz em pequena escala, sobrepondo sub-regiões do campo visual que são conhecidas como campos receptivos.” 
Fonte: HIJAZI, Samer; KUMAR, Rishi; ROWEN, Chris. Using convolutional neural networks for image recognition. 2015. Disponível em: <http://ip.cadence.com/uploads/901/cnn-wp-pdf>. Acesso em: 11 nov. 2019. 
 
Considerando essas informações e o conteúdo estudado sobre redes neurais convolucionais, pode-se afirmar que as células trabalham como filtros, porque: 
Ocultar opções de resposta 
1. 
as células atuam como filtros estocásticos. 
2. 
as células atuam como filtros locais sobre o espaço de entrada, e então, quanto mais complexa for a célula, maior será o seu campo de recepção. 
Resposta correta
3. 
as células atuam como núcleo do backpropagation
4. 
as células atuam como filtros neuronais, e quanto mais complexa a sua atividade, menor o seu tamanho dentro do cérebro. 
5. 
as células atuam como filtros externos sobre o espaço de entrada, e então, quanto mais complexa for a célula, maior será o seu campo de recepção. 
5. Pergunta 5
/1
No tema de redes neurais convolucionais ou Convolutional Neural Networks (CNNs), os nós de cada camada oculta são preenchidos com todas as conexões dos nós que são referentes à camada anterior da rede. Assim, geralmente sendo a camada de entrada, cada nó das camadas é independente por algum motivo. 
 
Considerando essas informações e o conteúdo estudado sobre arquitetura de redes neurais convolucionais ou Convolutional Neural Networks (CNNs), pode-se afirmar que: 
Ocultar opções de resposta 
1. 
nas CNNs, os nós atuam independentemente porque CNNs não fazem uso de bias. 
2. 
nas CNNs, os nós atuam independentemente porque CNNs não fazem uso de neurônios e pesos. 
3. 
nas CNNs, os nós atuam independentemente porque CNNs são um algoritmo de rede neural recorrente. 
4. 
nas CNNs, os nós atuam independentemente porque não compartilham as suas conexões com os nós que são adjacentes de uma mesma camada. 
Resposta correta
5. Incorreta: 
 nas CNNs, os nós atuam independentemente porque compartilham os neurônios com as camadas posteriores. 
6. Pergunta 6
/1
As redes neurais convolucionais ou Convolutional Neural Networks (CNNs) fazem o uso de três tipos de arquiteturas. Portanto, os três tipos de arquiteturas servem para assegurar algum grau de mudanças e ou algum grau de invariância de distorção. 
Fonte: LECUN, Y.; BENGIO, Y. Convolutional networks for images, speech, and time-series. In: ARBIB, M. (Org.). The handbook of brain theory and neural networks. [S.I]: MIT Press, 1998. 
 
Considerando o conteúdo estudado sobre redes neurais convolucionais ou Convolutional Neural Networks (CNNs), analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). 
 
I. ( ) Campo receptivo local pode ser considerado um dos tipos de arquitetura para assegurar grau de mudanças ou de invariância de distorção em CNNs. 
 
II. ( ) Pesos compartilhados podem ser considerados um dos tipos de arquitetura para assegurar grau de mudanças ou de invariância de distorção em CNNs. 
 
III. ( ) Núcleo convolucional pode ser considerado um dos tipos de arquitetura para assegurar grau de mudanças ou de invariância de distorção em CNNs. 
 
IV. ( ) Subamostras temporais ou espaciais podem ser considerados um dos tipos de arquitetura para assegurar grau de mudanças ou de invariância de distorção em CNNs. 
 
V. ( ) Neurônio de função ativa pode ser considerado um dos tipos de arquitetura para assegurar grau de mudanças ou de invariância de distorção em CNNs. 
 
Está correto apenas o que se afirma em: 
Ocultar opções de resposta 
1. 
 V, V, F, V, F. 
Resposta correta
2. 
F, F, V, V, V. 
3. 
V, F, F, V, V. 
4. 
F, V, V, F, F. 
5. Incorreta: 
V, F, V, F, V. 
7. Pergunta 7
/1
Os algoritmos de R-CNN, isto é, Redes Neurais Convolucionais baseadas em Regiões, são basicamente compostos por três módulos principais. O primeiro módulo gera regiões propostas independentes da categoria da imagem por meio de algoritmos de buscas seletiva. 
 
Considerando essas informações e o conteúdo estudado sobre R-CNN, pode-se afirmar que o segundo módulo de um R-CNN executa atividades diferentes do primeiro módulo, porque: 
Ocultar opções de resposta 
1. 
o segundo módulo de um algoritmo R-CNN verifica se tem outra imagem semelhante no banco de dados de treinamento. 
2. 
o segundo módulo de um algoritmo R-CNN faz a redução do processo de seleção de imagens. 
3. 
o segundo módulo de um algoritmo R-CNN faz a redução da quantidade de pixels das imagens. 
4. 
o segundo módulo de um algoritmo R-CNN seleciona as características dessa região independente. 
Resposta correta5. 
 o segundo módulo de um algoritmo R-CNN seleciona as características menos comuns de todas as imagens. 
8. Pergunta 8
/1
aster R-CNN refere-se a um algoritmo de detecção e possui como diferencial a adição de uma arquitetura de rede de proposta de região, do inglês Region Proposal Network (RPN). Dessa forma, ele permite que a rede compartilhe as camadas convolucionais.  
 
Considerando essas informações e o conteúdo estudado sobre Faster R-CNN, e que Faster R-CNN compartilha camadas convolucionais em vez de fazer um procedimento separado, analise as afirmativas a seguir. 
 
I. O procedimento separado era feito antigamente, em outros modelos antes do surgimento das Faster R-CNN. 
 
II. O procedimento separado garante maior performance em velocidade. 
 
III. O procedimento separado garante um maior número de acerto. 
 
IV. O procedimento separado está sendo cada vez mais utilizado. 
 
V. O procedimento separado era menos eficiente. 
 
Está correto apenas o que se afirma em: 
Ocultar opções de resposta 
1. 
I e II.
2. 
III e IV. 
3. 
III e V.
4. 
 I e V. 
Resposta correta
5. 
 II e V. 
9. Pergunta 9
/1
A camada de pooling de redes neurais convolucionais ou Convolutional Neural Networks (CNNs) tem a função de tratar cada característica mapeada separadamente em cada arranjo espacial dos mapas de características da CNN em questão. 
 
Considerando essas informações e o conteúdo estudado sobre camada convolucional, pode-se afirmar que existem duas funções que compõem a Camada de Pooling porque: 
Ocultar opções de resposta 
1. 
a camada de pooling subdivide-se em pooling de backpropagation e pooling estocástico. 
2. 
a camada de pooling subdivide-se em pooling máximo e pooling médio. 
Resposta correta
3. 
a camada de pooling subdivide-se em pooling máximo e pooling mínimo. 
4. 
a camada de pooling subdivide-se em pooling convolucional e pooling mínimo. 
5. 
a camada de pooling subdivide-se em pooling convolucional e pooling máximo. 
10. Pergunta 10
/1
Quanto ao tema de redes neurais convolucionais ou Convolutional Neural Networks (CNNs), imagine que uma imagem de entrada possua a dimensão [32x32x3], na qual o último dado nesta dimensão representa que a imagem possui 3 cores (padrão RGB - Red, Green and Blue). 
 
Considerando essas informações e o conteúdo estudado sobre camada convolucional, e que tal imagem tem algumas características que podem ser deduzidas a partir de [32x32x3], analise as afirmativas a seguir. 
 
I. A imagem tem a resolução de 32 pixels de altura e 32 pixels de largura. 
 
II. A imagem é colorida. 
 
III. A imagem tem 32 pixels de altura, 32 pixels de largura e 3 pixels de profundidade. 
 
IV. A imagem tem 32 pixels de altura, 32 pixels de largura e apenas 3 pixels nas cores vermelho, verde e azul, usadas separadamente. 
 
V. A imagem tem 32 pixels de altura, 32 pixels de largura e 3 pixels de reserva convolucional para as próximas camadas. 
 
Está correto apenas o que se afirma em: 
Ocultar opções de resposta 
1. 
I e V. 
2. 
II e V. 
3. 
IV e V. 
4. 
III e IV. 
5. 
I e II.
Resposta correta