Aprendizagem de Máquina (Unidade 4)

Prévia do material em texto

Aprendizagem de Máquina
Unidade 4
Deixe seu like !!!
Redes multicamada
1. As redes multicamadas são uma generalização das redes de camada única, em que ao menos uma camada oculta está presente. Muitas vezes essa rede é chamada MLP (Multi Layer Perceptron). Sobre elas é correto afirmar que:
D. multicamada; ocultos; não linearidades; funções de ativação.
2. As funções de ativação modificam a intensidade de um sinal fornecido na saída de um neurônio mesmo que as entradas sejam as mesmas. Sobre Perceptrons e as funções de ativação que utilizam, é correto afirmar que:
A. quanto mais camadas ocultas maior cuidado se deve ter na escolha da função de ativação.
3. Utilizando o erro quadrático médio, determine o custo para a rede da imagem abaixo, cuja saída esperada é 1.
4. Um neurônio de uma camada oculta se conecta a dois neurônios de saída. Qual será o erro desse neurônio considerando que os erros obtidos nos dois neurônios de saída são de 0,4 e 0,5, para pesos de conexão de 0,1 e 0,2 respectivamente?
B. 0,47.
5. A escolha da função de ativação pode impactar drasticamente o processo de treinamento. Assinale a alternativa que melhor descreve uma função de ativação e suas respectivas características.
C. A função ReLU tem metade do sinal igual à função identidade.
Redes neurais artificiais I
1. Nos testes de Turing, realizados por volta de 1950, dentre as premissas que deram origem aos estudos de redes neurais artificiais, é possível destacar quatro, dentre elas:
D. aprendizado de máquina para realizar adaptação diante de novas circunstâncias e criação de padrões.
2. Diante dos estudos realizados com modelagem cognitiva, foram criados modelos matemáticos para simular redes neurais artificiais e sua eletroquímica, demonstrando a interação entre as ________; tais modelos consistem em funções, que utilizam ________.
A seguir, marque o item que completa as lacunas.
E. sinapses nervosas – somatórios.
3. As redes neurais artificiais são compostas por nós, ou unidades, que são conectados por ligações direcionais. Uma ligação da unidade "i" para a unidade "j" serve para propagar a ativação de "ai" de "i" para "j", sendo que cada ligação tem um peso "wij" associado, que determina:
C. as conexões entre os nós da rede neural artificial.
4. Existem várias estruturas que podem ser criadas a partir de duas estruturas principais de redes neurais artificiais. Qual a estrutura neural artificial que utiliza conexões em uma única direção e que forma uma matriz dirigida, com saídas de 0 e 1 ou de -1 e 1, podendo ter N entradas, porém uma única saída?
A. Rede neural de camada única.
5. As redes neurais artificiais com multicamadas são semelhantes aos perceptrons que têm uma única camada. Porém, nesse caso, há mais de uma camada de representação de neurônio e seus respectivos estímulos, formando:
C. Grafos.
Redes neurais convolucionais I
1. Um pixel é o menor ponto que forma uma imagem digital, e um conjunto de pixels com várias cores forma a imagem inteira. Considere que uma imagem 3x4 foi amostrada e armazenada em uma matriz 200 x 300. Quantos pixels a imagem amostrada terá?
E. 60k.
2. Codificar uma imagem é representá-la com o menor número possível de bits, preservando a qualidade e a inteligibilidade necessárias à sua aplicação. Nesse contexto, uma imagem do tamanho 1.024x1.024 pixels, codificada com 16 bits (2 bytes), resultará em um arquivo de, aproximadamente:
B. 2MB.
3. O que acontecerá se uma imagem de 1.024 x 768 exibida em um monitor de 14” for exibida em um monitor de 19”?
A. O tamanho da imagem e dos pixels será maior.
4. Qual é o tipo de imagem em cuja qualidade não haverá piora se sua dimensão for aumentada?
D. Vetorial.
5. Para caracterizar o objeto que se quer reconhecer ou classificar, são utilizados descritores que especificam o aspecto a ser considerado. No caso do reconhecimento facial, são calculadas características que geram descritores :
D. Dimensionais.
Redes neurais convolucionais II
1. As redes neurais convolucionais estão revolucionando as pesquisas e o desenvolvimento de tecnologias que utilizam sistemas de inteligência artificial. Após alguns anos de ceticismo, as soluções de inteligência artificial voltaram a chamar a atenção de todos os setores da tecnologia. O que justificou essa ascensão?
D. As redes neurais convolucionais obtêm desempenho superior a outros tipos de redes para determinados tipos de sinais, mesmo utilizando menos conexões e neurônios, o que reduz a quantidade de cálculo efetuado pelo computador.
2. Maior disponibilidade computacional de cada vez maior processamento possibilitou a criação de redes mais complexas e maiores para aumentar a capacidade de resolução de problemas de uma rede neural. Para obter resultados mais eficientes, as redes neurais densas devem ser substituídas pelas redes neurais convolucionais?
E. Não. As redes neurais densas estão presentes e fazem parte das redes neurais convolucionais, especialmente na camada final, conhecida como totalmente conectada. Além disso, as redes neurais convolucionais são eficientes no processamento de sinais naturais, como imagens e sons, mas podem ser drasticamente prejudicadas em outros casos.
3. Qual a relação entre a quantidade de características necessárias a serem detectadas e a quantidade de neurônios em uma rede neural convolucional?
A. Cada característica terá um kernel específico e produzirá seu próprio mapa de atributos, de forma que a quantidade de neurônios da primeira camada oculta será diretamente proporcional à quantidade de características detectadas.
4. As redes neurais convolucionais têm quatro camadas com funções diferentes, sendo que a primeira delas funciona como um filtro na tentativa de detectar as características existentes em uma imagem para a qual a rede foi treinada. Qual a relação entre a posição dos pixels da imagem original e o mapa de atributos?
C. A posição pode ser mantida para todos os pixels desde que sejam preenchidas as bordas do mapa de atributos porque um pixel é perdido em cada extremidade.
5. Para uma imagem com 30 pixels em cada coluna e 30 pixels em cada linha, da qual se pretende extrair cinco características, considerando os parâmetros de peso e viés de cada conexão formada, quantos parâmetros independentes existirão para uma rede neural densa convencional e para uma rede convolucional que usa um kernel 3x3, respectivamente.
C. A convencional necessitará de 810.900 neurônios; a convolucional, de apenas 50.