Deep Learning

Prévia do material em texto

05/08/2022 09:42 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2624424/4558299 1/6
Deep learning
Professor(a): Rogério Ferreira da Silva (Mestrado acadêmico)
1)
2)
3)
Prepare-se! Chegou a hora de você testar o conhecimento adquirido nesta disciplina. A
Avaliação Virtual (AV) é composta por questões objetivas e corresponde a 100% da média final.
Você tem até cinco tentativas para “Enviar” as questões, que são automaticamente corrigidas.
Você pode responder as questões consultando o material de estudos, mas lembre-se de cumprir
o prazo estabelecido. Boa prova!
As redes neurais recorrentes (RNN) funcionam de forma bastante parecida com as redes
neurais do tipo feed-forward, exceto por uma característica que diferencia as arquiteturas
das duas redes.
Assinale a 
alternativa que descreve a principal característica das RNN:
Alternativas:
A camada de entrada é totalmente conectada.
Algumas conexões de saída também são usadas como conexões de entrada. 
CORRETO
A camada de saída é totalmente conectada.
Sempre é utilizada a função de ativação sigmoide.
Os neurônios de uma camada não estão conectados a todos os neurônios da 
camada seguinte.
Código da questão: 62304
As redes neurais artificiais são técnicas de aprendizado supervisionado bioinspiradas, ou
seja, elas foram criadas com base no funcionamento do cérebro humano. Assim, o conceito
central da técnica é o neurônio artificial: as redes podem ser formadas por um único
neurônio, ou até mesmo milhões dessas unidades interconectadas.
Diante disso, 
responda: qual é o nome da arquitetura mais simples das redes neurais 
artificiais
Alternativas:
Perceptron reativo.
Perceptron multicamadas.  CORRETO
Rede neural profunda.
Rede neural interconectada.
Perceptron interconectado.
Código da questão: 62283
Sobre os hiperparâmetros que devem ser configurados em uma rede neural para tarefas
de regressão ou classificação, analise as afirmativas a seguir e assinale-as com V
(verdadeiro) ou F (falso):
Resolução comentada:
uma rede neural recorrente funciona de forma parecida com as redes feed-forward, 
exceto pelo fato de que ela também possui conexões no sentido contrário, ou 
seja, algumas conexões de saída também são usadas como conexões de entrada.
Resolução comentada:
o perceptron é a unidade básica das redes neurais. Portanto a arquitetura 
mais simples de uma rede é formada por duas camadas de perceptrons 
interconectados (multicamadas).
Avaliação enviada com sucessoc
h
e
c
k

05/08/2022 09:42 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2624424/4558299 2/6
4)
5)
( ) Tipicamente, uma rede neural possui de uma a cinco camadas ocultas, quando usadas
em tarefas de classificação ou regressão.
( ) Tipicamente, uma rede neural possui de dez a cem neurônios por camada oculta,
quando usadas em tarefas de classificação ou regressão.
( ) Em tarefas de regressão cujo intuito é prever um único valor, pode-se usar a função de
ativação tangente hiperbólica caso seja necessário garantir que o valor de saída seja
sempre positivo.
( ) Além do erro quadrático médio e do erro absoluto médio, as tarefas de regressão
podem usar a função Huber como função de perda.
( ) As funções logística e softmax são comumente usadas como função de ativação nas
tarefas de classificação binária e multiclasse, respectivamente.
Assinale a alternativa
que contenha a sequência correta:
Alternativas:
F – V – F – V – F.
V – V – F – F – V.
V – F – V – V – V.
F – V – V – V – F.
V – V – F – V – V.  CORRETO
Código da questão: 61893
No processamento de linguagem natural, é comum que o conjunto de treinamento seja
composto de uma única sequência de milhões de caracteres, o que inviabiliza o
treinamento da rede neural recorrente. Uma estratégia bastante usada é converter a longa
sequência de caracteres em grupos menores de texto.
Assinale a alternativa
que descreve o nome do método do conjunto de dados que pode ser utilizado para 
realizar esta conversão.
Alternativas:
window().  CORRETO
dataset().
divide().
merge().
sequence().
Código da questão: 62310
Ao longo dos anos, pesquisadores da área de inteligência artificial têm proposto 
inúmeras arquiteturas de redes neurais convolucionais, algumas delas específicas 
para solucionar determinados tipos de problemas. Assinale a opção que descreve 
Resolução comentada:
em tarefas de regressão cujo intuito é prever um único valor, pode-se 
usar a função de ativação ReLU caso seja necessário garantir que o valor de saída 
seja sempre positivo.
Resolução comentada:
o método window() 
do conjunto de dados pode ser utilizado para dividir uma longa sequência de 
caracteres em diversas “janelas” menores de texto, o que viabiliza o 
treinamento da rede neural recorrente.
Avaliação enviada com sucessoc
h
e
c
k

05/08/2022 09:42 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2624424/4558299 3/6
6)
7)
o nome da arquitetura de rede convolucional que tem sido amplamente usada para 
o reconhecimento de dígitos manuscritos.
Alternativas:
ResNet.
GoogLeNet.
LeNet-5.  CORRETO
SENet.
Xception.
Código da questão: 62302
Inúmeras variantes da arquitetura básica de uma CNN têm sido propostas nos últimos
anos, o que levou a diversos avanços na área de análise de _____________. A arquitetura
VGGNet foi desenvolvida na Universidade de Oxford. Sua arquitetura é clássica e simples,
formada por algumas sequências de duas ou três camadas _______________ e uma
camada_____________. Ela pode chegar a um total de apenas 16 ou 19 camadas
convolucionais, dependendo da sua variante, além de uma rede densa final com duas
camadas ______________ e a camada de saída.
Assinale a alternativa
que completa adequadamente as lacunas:
Alternativas:
Texto; convolucionais; pooling; ocultas.
Imagens; convolucionais; pooling; ocultas.  CORRETO
Imagens; pooling; convolucional; ocultas.
Texto; pooling; convolucional; ocultas.
Imagens; convolucionais; pooling; supervisionadas.
Código da questão: 61906
Analise o código-fonte a seguir que implementa a arquitetura de um RNN para uma
tarefa de processamento de linguagem natural. 
Com base neste código-fonte, podemos afirmar que:
Resolução comentada:
LeNet-5 é uma das arquiteturas para redes neurais convolucionais mais 
conhecidas e tem sido amplamente utilizada para o reconhecimento de dígitos 
manuscritos.
Resolução comentada:
a arquitetura da rede VGGNet é formada por duas ou três camadas 
convolucionais e uma camada pooling, seguida novamente de duas ou três camadas 
convolucionais e uma camada pooling, e assim por diante. Ela pode chegar a um
total de apenas 16 ou 19 camadas convolucionais, dependendo da sua variante, 
além de uma rede densa final com duas camadas ocultas e a camada de saída.
Avaliação enviada com sucessoc
h
e
c
k

05/08/2022 09:42 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2624424/4558299 4/6
8)
I. As duas primeiras camadas da RNN são do tipo GRU e são formadas por 128 unidades.
II. As duas primeiras camadas da RNN utilizam a técnica de regularização dropout com taxa
de 20%.
III. A camada de saída da RNN é totalmente conectada e utiliza a função de ativação
softmax.
IV. A arquitetura da RNN é compilada com a função de perda de entropia cruzada binária.
V. Para gerar um modelo com base nos dados de treinamento, a RNN é treinada por 20
épocas.
São verdadeiras:
Alternativas:
I, III, IV e V, apenas.
I, II, III e IV, apenas.
I, II, IV e V, apenas.
I, II, III e V, apenas.  CORRETO
II, III, IV e V, apenas.
Código da questão: 62308
Leia e associe as duas colunas:
Assinale a alternativa que traz a associação correta entre as duas colunas:
Alternativas:
I – C; II – B; III – A.
I – B; II – C; III – A.
I – A; II – C; III – B.
I – C; II – A; III – B.  CORRETO
I – A; II – B; III – C.
Resolução comentada:
a afirmação I é verdadeira, pois as duas primeiras camadas da RNN 
são do tipo GRU e são formadas por 128 unidades; a II é correta, poisas duas
primeiras camadas da RNN 
utilizam a técnica de regularização dropout com taxa de 20%; a III 
é verdadeira, pois a camada de saída da RNN é totalmente conectada e utiliza a 
função de ativação softmax; e a V é correta, pois, para gerar um 
modelo com base nos dados de treinamento, a RNN é treinada por 20 épocas. A IV 
está errada, pois a arquitetura da RNN é compilada com a função de perda de 
entropia cruzada categórica esparsa.
Resolução comentada:
O Keras é a biblioteca que permite construir, treinar, avaliar e executar 
facilmente inúmeras arquiteturas de redes neurais. Definimos o Tensorflow como 
a biblioteca de deep learning de código aberto que executa o papel de back-end
de computação para treinamento e avaliação de redes neurais. Já o 
StandardScaler é a biblioteca que permite padronizar atributos, de forma que os 
seus valores tenham a média 0 e o desvio-padrão 1.
Avaliação enviada com sucessoc
h
e
c
k

05/08/2022 09:42 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2624424/4558299 5/6
9)
10)
Código da questão: 62286
Sobre as diferentes arquiteturas de redes neurais convolucionais, podemos afirmar que:
I. Na arquitetura LeNet-5, a camada de saída é um pouco diferente: em vez de calcular a
multiplicação da matriz das entradas e do vetor de pesos, cada neurônio gera o quadrado
da distância euclidiana entre seu vetor de entrada e seu vetor de peso.
II. Na arquitetura LeNet-5, as camadas pooling são ligeiramente mais complexas do que o
normal: cada neurônio calcula a média de suas entradas, então multiplica o resultado por
um coeficiente, adiciona um termo de polarização e, finalmente, aplica a função de
ativação.
III. Na arquitetura AlexNet, os autores usaram duas técnicas de regularização para reduzir
o sobreajuste: aplicaram a técnica dropout com uma taxa de 50% e, em seguida, utilizaram
uma estratégia de “aumento” com o objetivo de expandir o tamanho do conjunto de
treinamento.
IV. Na arquitetura GoogLeNet, todas as camadas convolucionais usam a função de
ativação ReLU. O segundo conjunto de camadas convolucionais usa tamanhos de kernel
diferentes, permitindo que eles capturem padrões em escalas diferentes.
V. A arquitetura ResNet é conhecida por ser pouca profunda. Assim, ela pode utilizar uma
técnica chamada conexões de salto (ou de atalho): o sinal que entra em uma camada
também é adicionado à saída de uma camada localizada mais adiante na rede.
São verdadeiras:
Alternativas:
I, III, IV e V, apenas.
II, III, IV e V, apenas.
I, II, III e IV, apenas.  CORRETO
II, III e IV, apenas.
I, II, III e V, apenas.
Código da questão: 61909
Leia e associe as duas colunas:
Assinale a alternativa que traz a associação correta entre as duas colunas:
Alternativas:
I – B; II – C; III – A.
Resolução comentada:
a afirmação I é verdadeira, pois a arquitetura LeNet-5 usa uma 
estratégia diferente e mais complexa na camada de saída; a II é correta, 
pois as camadas pooling da arquitetura LeNet-5 são mais complexas que em 
outras redes; a III é correta, pois a arquitetura AlexNet usa duas 
técnicas de regularização para evitar sobreajuste; e a IV é correta, pois a arquitetura
GoogLeNet 
usa a função de ativação ReLU e tamanhos diferentes de conjuntos de camadas 
convolucionais. A V está errada, pois a arquitetura ResNet, apesar de 
utilizar a técnica de conexões de salto, é mais profunda que as outras 
arquiteturas CNN.
Avaliação enviada com sucessoc
h
e
c
k

05/08/2022 09:42 Cosmos · Cosmos
https://kroton.platosedu.io/lms/m/aluno/disciplina/index/2624424/4558299 6/6
I – A; II – C; III – B.  CORRETO
I – C; II – A; III – B.
I – C; II – B; III – A.
I – B; II – A; III – C
Código da questão: 61915
Resolução comentada:
A sequência-para-vetor alimenta a RNN com uma sequência de entradas e 
ignora todas as saídas, exceto a última. O vetor-para-sequência alimenta a RNN 
com o mesmo vetor de entrada repetidamente a cada etapa de tempo e a deixa
produzir 
uma sequência de valores. Já o codificador-decodificador é uma combinação de
uma RNN de sequência-para-vetor seguida por outra de vetor-para-sequência.
Arquivos e Links
Avaliação enviada com sucessoc
h
e
c
k
