Prévia do material em texto
Paradigmas de Aprendizado de Redes Neurais Artificiais 01 - Das alternativas abaixo, qual representa uma rede de arquitetura alimentada adiante? 1. Um sistema constituído por duas camadas, entrada e saída, onde as informações são direciona- das em um sentido único, com a camada de entrada alimentada pelo meio externo 2. Um sistema constituído por três camadas (entrada, oculta e saída) em que as informações são reaproveitadas durante o processo de aperfeiçoamento do algoritmo de aprendizagem 3. Um sistema com quatro nós, uma camada de entrada, duas camadas ocultas e uma camada de saída, em que apenas um nó da camada de saída alimenta todos os neurônios da camada de entrada 4. Um sistema de N camadas ocultas, onde a camada de entrada é alimentada por nós de saída e por estímulos externos 5. Um sistema simples, de camada única, em que ao menos um nó de entrada é realimentado por um nó de saída 02 - De acordo com a figura abaixo, assinale a alternativa que melhor descreve o grafo 1. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, totalmente conectada e alimentada adiante 2. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada de saída, totalmente conectada e alimentada adiante 3. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, parcialmente conectada e alimentada adiante 4. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, parcialmente conectada e retroalimentada 5. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada de saída, parcialmente conectada e retroalimentada 03 - De acordo com a figura abaixo, assinale a alternativa que melhor descreve o grafo 1. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada de saída, parcialmente conectada e retroalimentada 2. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, totalmente conectada e alimentada adiante 3. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, parcialmente conectada e retroalimentada 4. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada de saída, parcialmente conectada e alimentada adiante 5. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, totalmente conectada e retroalimentada 04 - De acordo com a figura abaixo, assinale a alternativa que melhor descreve o grafo 1. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada de saída, totalmente conectada e alimentada adiante 2. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada de saída, totalmente conectada e retroalimentada 3. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada de saída, parcialmente conectada e retroalimentada 4. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, totalmente conectada e alimentada adiante 5. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca- mada de saída, totalmente conectada e retroalimentada 05 - Considere uma rede de múltiplas camadas ocultas alimentadas adiante, na qual todos os neurônios operam em suas regiões lineares. Assinale a alternativa correta 1. Uma rede de neurônios com uma distribuição linear de N camadas ocultas equivale a uma rede de camada única 2. Uma rede de neurônios com uma distribuição linear de N camadas ocultas não pode ter mais do que um único nó de saída 3. Uma rede de neurônios com uma distribuição linear de N camadas ocultas equivale a uma rede retroalimentada por seus respectivos nós de saída 4. Uma rede de neurônios com uma distribuição linear de N camadas ocultas equivale a uma rede retroalimentada por apenas um nó de saída 5. Uma rede de neurônios com distribuição linear de N camadas ocultas equivale a uma rede de N camadas 06 - Aprendizado não supervisionado é uma técnica de aprendizado de máquina em que os usuários não precisam supervisionar o modelo. Em vez disso, permite que o modelo trabalhe por conta própria para descobrir padrões e informações que não foram detectados anteriormente. Ele lida principalmente com os dados não rotulados Partindo do pressuposto acima, podemos afirmar que 1. São autônomos em relação a classificação de padrões, dependendo apenas das condições 2. Possuem autonomia para classificar e agrupar padrões, porém, são suscetíveis à influência ex- terna de observadores 3. Não podem ser utilizadas em processos que porventura possam lidar com padrões de informa- ções bem definidos 4. São úteis apenas na construção de redes com uma ou mais camadas ocultas 5. No aprendizado não supervisionado o conhecimento do professor é transferido para rede em um processo iterativo. Após o processo de treinamento, o professor é dispensado e a rede passa a lidar com o ambiente inteiramente por si mesma