Machine Learning AOL2

Prévia do material em texto

Conteúdo do exercício
Ocultar opções de resposta 
Pergunta 1 -- /0
As chamadas Redes Neurais têm sido amplamente usadas para tarefas, como detectar rostos em um aplicativo 
do celular ou uso de teclado inteligente que sugere a próxima palavra. Esses tipos de tarefa se mostraram cada 
dia mais úteis também em outras áreas, como aproximação de funções, previsão de séries temporais e 
processamento de linguagem natural.
Considerando essas informações e o conteúdo estudado sobre redes neurais, analise as afirmativas a seguir e 
assinale V para a(s) verdadeira(s) e F para a(s) falsa(s).
I. ( ) Redes perceptron apresentam, na camada de entrada, neurônios que são complemente interconectados 
aos neurônios da segunda camada, sendo esta denominada competitiva.
II. ( ) Perceptron multicamada é caracterizada por ter ao menos uma camada intermediária ou escondida de 
neurônios, que fica entre a camada de entrada e a de saída.
III. ( ) Backpropagation é um tipo de rede bem simples, porém seu algoritmo de aprendizagem utiliza a regra 
Delta, usada para treinar redes de múltiplas camadas.
IV. ( ) Nas redes de Kohonen, seu foco era a representação computacional de uma retina, na qual se capta 
elementos de percepção eletrônica de sinais.
Agora, assinale a alternativa que apresenta a sequência correta:
V, F, V, F.
F, F, V, V.
V, V, F, F.
V, F, F, V.
F, V, V, F.
Ocultar opções de resposta 
Ocultar opções de resposta 
Pergunta 2 -- /0
Leia o excerto a seguir:
“As redes neurais multicamadas são arquiteturas onde os neurônios são organizados em duas ou mais camadas 
de processamento, já que sempre vai existir pelo menos uma camada de entrada e uma camada de saída.”
Fonte: ZUBEN, V. Redes neurais multicamadas. Disponível em: 
<ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/theses/emi_mest/cap2.pdf>. Acesso em: 20 out. 2019.
Considerando essas informações e o conteúdo estudado sobre as redes neurais, pode-se afirmar que uma das 
características das redes múltiplas camadas:
está na inserção de camadas superiores de neurônios, o que torna complexo o processo decisório.
é o número de neurônios em cada camada, que é de extrema importância para o processo de tomada 
de decisão.
está no fato de ser capaz de estabelecer diversas camadas intermediárias e expostas de neurônios.
é a quantidade de neurônios dispostas nas mais variados camadas, estabelecendo a simplicidade da 
rede.
está na capacidade inversamente proporcional de estabelecer uma rede hábil em resolver problemas.
Pergunta 3 -- /0
Os métodos de redução de dimensionalidade podem ser divididos em dois tipos de processos, tais como: 
processo de extração de atributos e processo de seleção de atributos.
Considerando essas informações e o conteúdo estudado em relação ao processo de extração de atributos, é 
correto afirmar que:
o método pode fornecer uma habilidade de discriminação mais eficiente quando comparado com o 
subconjunto das características originais.
Ocultar opções de resposta 
a extração promove uma redução no custo de medição de dados, ao passo que as características que 
são selecionadas apresentam a mesma interpretação física de sua origem.
os algoritmos selecionam os objetos do banco de dados com menos complexidade e melhor conjunto 
de características similares.
este processo consegue manter todas as propriedades e aplicações relacionadas à inserção de 
subconjuntos durante o seu desenvolvimento.
durante o processo, inicialmente se realiza a extração de características a partir dos dados oriundos 
da entrada, e são eliminados os atributos mais irrelevantes, fator que diminui a dimensionalidade.
Pergunta 4 -- /0
É uma configuração mais simples de uma RNA. Seu foco é a representação computacional de uma retina, pela 
qual capta elementos de percepção eletrônica de sinais, sendo o reconhecimento de padrões geométricos uma 
de suas aplicações.
Considerando essas informações e o conteúdo estudado, pode-se afirmar que o conceito apresentado refere-se:
a redes de Kohonen.
à redução de dimensionalidade.
à perceptron multicamada.
à backpropagation.
a redes perceptron.
Pergunta 5 -- /0
Ocultar opções de resposta 
Ocultar opções de resposta 
Idealizada por Windrow e Hoff em 1960, sua principal aplicação foi o chaveamento de circuito telefônico, e essa 
foi uma das principais aplicações de RNAs. É um tipo de rede bem simples, porém seu algoritmo de 
aprendizagem utiliza a regra Delta, cuja função é treinar redes de múltiplas camadas, além de adotar o algoritmo 
de aprendizagem na retropropagação de erros.
Considerando essas informações e o conteúdo estudado, pode-se afirmar que o conceito apresentado refere-se:
à perceptron multicamada.
à redução de dimensionalidade.
a redes de Kohonen.
à backpropagation.
a redes perceptron.
Pergunta 6 -- /0
Redes Neurais Artificiais (RNAs) são modelos matemáticos com estruturas semelhantes a neurônios biológicos 
que possuem capacidade computacional de generalização e aprendizado. A estrutura de processamento é uma 
rede de unidades de processamento que imitam o funcionamento da rede de neurônios.
Considerando essas informações e o conteúdo estudado sobre redes neurais, pode-se afirmar que:
o treinamento de uma rede neural tem tempo determinado de execução.
não há problemas em realizar o teste de desempenho de uma rede neural com o mesmo conjunto de 
dados usado para o treinamento.
o número de pesos de uma rede neural não influencia a rapidez com que ela processa dados.
o aprendizado supervisionado é o paradigma de treinamento mais utilizado para desenvolver 
aplicações de redes neurais para classificação e predição.
o número de camadas ocultas de uma rede de alimentação direta é inversamente proporcional ao 
aumento do espaço de hipóteses que ela pode representar.
Ocultar opções de resposta 
Ocultar opções de resposta 
Pergunta 7 -- /0
Leia o excerto a seguir:
“Numa rede de Kohonen os neurônios de saída estão muitas vezes organizados numa malha bidimensional, 
embora o tipo de malha seja dependente da aplicação. A sua topologia, usualmente escolhida pelo utilizador, 
determina os vizinhos mais próximos de um dado neurônio.
Fonte: SILVA, C.; RIBEIRO, B. Aprendizagem computacional em engenharia. Coimbra: Universidade de 
Coimbra, 2018. p. 149. (Adaptado).
Considerando essas informações e o conteúdo estudado sobre redes de Kohonen, é correto afirmar que a sua 
influência na área da neurociência está relacionada:
a células da camada de um neurônio que possuem a capacidade de coordenar a sensibilidade dos 
sinais sensoriais.
à extração de características a partir dos dados e atributos dimensionados nas camadas.
à seleção e formulação matemática do modelo para determinar a rigidez dos sinais sensoriais.
à criação de informações neurofisiológicas ou combinações realizadas nas frequências do ultrassom.
à análise da inserção específica de dados de treinamento disponíveis nas frequências sonoras.
Pergunta 8 -- /0
São caracterizadas por terem ao menos uma camada intermediária ou escondida de neurônios, que fica entre as 
camadas de entrada e saída. Sendo assim, esse tipo de rede tem cerca de duas camadas de neurônios. A 
topologia de uma rede PMC é dependente do tipo de problema que será tratado e o algoritmo a ser utilizado no 
aprendizado pode ser o retroprogramação de erros.
Considerando essas informações e o conteúdo estudado, pode-se afirmar que o conceito apresentado refere-se:
Ocultar opções de resposta 
a redes de Kohonen.
à perceptron multicamada.
à redução de dimensionalidade.
a redes perceptron.
à backpropagation.
Pergunta 9 -- /0
Leia o excerto a seguir:
“A rede neural é um processador maciço, paralelamente distribuído, construído de unidades de processamento 
simples, que tem a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o 
uso.”
Fonte: HAYKIN, S. Redes neurais: princípios e práticas. São Paulo: Bookman, 2007. (Adaptado).
O excerto trata da definição básica de rede neural. Considerando essas informações e o conteúdoestudado 
sobre redes neurais, pode-se afirmar que a definição trata de uma estrutura:
rígida, formada por uma camada de neurônio e uma camada flexível.
simples, formada por uma camada de neurônio e uma camada de entrada.
flexível, formada por uma série de atributos e uma camada de saída.
composta, formada por uma camada padronizada e uma camada de entrada.
neutra, formada por uma camada rígida e uma camada flexível.
Pergunta 10 -- /0
Ocultar opções de resposta 
Leia o excerto a seguir:
“Estas árvores são elaboradas de acordo com um conjunto de informações, e posteriormente outros exemplos 
são classificados de acordo com essa mesma árvore. São diagramas que apresentam a sequência das decisões 
inter-relacionadas e os resultados esperados de acordo com a alternativa escolhida.”
Fonte: DAYCHOUW, M. 40 Ferramentas e técnicas de gerenciamento. Rio de Janeiro: Brasport, 2007. p. 26.
O trecho apresentado trata da definição de Árvores de Decisão. Assim, considerando essas informações e o 
conteúdo estudado sobre redes neurais, analise as afirmativas a seguir:
I. A Indução em Árvore de Decisão é utilizada para identificação de fraudes em cartões de crédito.
II. O aprendizado supervisionado é utilizado no desenvolvimento de sistemas de análise de risco em aplicações 
financeiras.
III. Sistemas especialistas baseados em regras são utilizados no desenvolvimento de sistemas de diagnóstico de 
falhas em hardware.
IV. A aprendizagem por reforço está presente nas redes convolucionais, o que melhora de forma significativa a 
sua performance.
Está correto somente o que se afirma em:
I e II.
II e III.
III e IV.
I e IV.
I e III.