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