7393 - REDES NEURAIS ARTIFICIAIS (RNA)

Prévia do material em texto

Nesse tipo de aprendizado, os modelos resultantes envolvem atividades como: o agrupamento de exemplos
semelhantes (clustering), redução de dimensionalidade e estimativa de densidade. Qual o tipo de aprendizado
estamos nos referindo? 
As Redes Neurais Artificiais têm sido amplamente usadas por exemplo em tarefas de reconhecimento de imagem,
diagnóstico na medicina, processamento de linguagem natural, previsão de séries temporais, e têm uma infinidade
de aplicações possíveis. Você já se perguntou como funcionam os sistemas de reconhecimento de imagem e voz?
Como um aplicativo do seu celular faz para detectar rostos, ou um mecanismo de buscas sugere um termo?
Entendendo que as redes neurais artificiais possuem vantagens e desvantagens, analise as afirmativas a seguir:
 
I. Requer muitos dados de treinamento limpos.
II. Arquitetura facilmente adaptável a vários domínios de problemas.
III. Dificuldade na interpretação dos resultados.
IV. A rede neural aprende com os dados analisados e não requer reprogramação.
V. Requer alto poder computacional.
Assinale a seguir a alternativa que apresenta apenas as afirmativas relacionadas às vantagens das redes neurais
artificiais:
7393 - REDES NEURAIS ARTIFICIAIS (RNA)
 
1.
Aprendizado inicial
Aprendizado oculto
Backprogation (retropropagation)
Aprendizado Não supervisionado
Aprendizado supervisionado
Data Resp.: 04/10/2023 20:28:38
Explicação:
Tarefas de aprendizagem não supervisionadas envolvem o agrupamento de exemplos semelhantes (clustering),
redução de dimensionalidade e estimativa de densidade.
No aprendizado não supervisionado, a rede aprende e encontra padrões e aufere conclusões dos dados não
rotulados. 
 
2.
I e V, apenas.
II, apenas.
I, II, III e IV, apenas.
II e IV, apenas.
II e III e IV, apenas.
Data Resp.: 04/10/2023 20:29:14
Explicação:
As redes neurais artificiais podem ser utilizadas em uma ampla gama de aplicações, além de normalmente
trazerem vantagem competitiva para as organizações que as utilizam, porém, os projetos que envolve a
aplicação de redes neurais artificiais, costumam ser custosos e demandam mais tempo que outros projetos de
software. Nesse contexto é importante identificar as vantagens das redes neurais artificiais para que os projetos
possam ser patrocinados pela administração das organizações e conhecidos pelas partes envolvidas
(stakeholders) da organização. As principais vantagens das redes neurais artificiais são: arquitetura facilmente
adaptável a vários domínios de problemas e a característica da rede neural aprender com os dados analisados e
não requerer programação.
 
As redes neurais artificiais são constituídas de camadas e cada camada possui vários nós interconectados. Qual
componente abaixo pode ser encontrado em uma rede neural artificial?
Nesse tipo de rede neural artificial, os neurônios são combinados em uma estrutura em camadas, cada uma com
um número diferente de neurônios. O vetor de valores de entrada x passa pela camada inicial e são combinadas
com os pesos iniciais em uma soma ponderada e submetidas à função de ativação, cujos valores de saída são
ligados às entradas da camada seguinte, percorrendo todas as camadas ocultas (Hidden layers), até a rede
fornecer como resultado os valores de saída da última camada ou camada de saída (output layer). Qual tipo de
rede neural artificial corresponde a esta definição?
Em uma rede neural artificial, a função de ativação é uma mudança não linear nos valores antes de enviar os
valores de resultado. É uma função que mapeia corretamente a camada anterior para as restrições (geralmente
0/1) da próxima camada, usada para dar ao modelo o "efeito de camada oculta", o poder real de "ativar" a rede
neural artificial. Qual das opções abaixo é uma função de ativação?
3.
Camada de retorno (Feedback layer)
Camada de consolidação (Consolidation layer)
Camada de processamento (Processing layer)
Camada de retropropagação (Backpropagation layer)
Função de ativação (Activation function)
Data Resp.: 04/10/2023 20:29:37
Explicação:
Dos componentes apresentados, a função de ativação (Activation layer) é o único componente existente em
uma rede neural artificial.
 
4.
Rede de Kohonen
Rede de Jordan
Redes Perceptron de Multicamadas (Redes Multilayer Perceptron)
LSTM (Long Short Term Memory)
Redes Neurais Recorrentes (Recurrent Neural Network)
Data Resp.: 04/10/2023 20:26:12
Explicação:
Essa definição corresponde ao conceito de uma Rede Perceptron de Multicamadas. A principal característica da
rede neural denominada Perceptron de Multicamadas é sua estrutura em camadas.
 
5.
Backpropagation
Bias
Feed Backward Network
Feed Forward
Sigmoid
Data Resp.: 04/10/2023 20:26:21
Explicação:
A função de ativação é uma função matemática que é aplicada à entrada de cada neurônio em uma rede neural
artificial. Ela é responsável por transformar os valores de entrada em saída. A função de ativação é uma função
não-linear que permite ao modelo aprender e realizar tarefas complexas, como a classificação de imagens ou a
geração de texto. Existem várias funções de ativação diferentes, como a função sigmóide, que é uma função de
ativação utilizada para modelos de classificação binária e a ReLU ( Rectified Linear Unit) que é uma função de
ativação utilizada para modelos de classificação multi-classe. Entre as opções listadas, Sigmoid é uma função
de ativação.
Nessa arquitetura de rede neural artificial, uma sequência de entradas entra em uma camada e é multiplicada por
pesos e em seguida cada valor é somado para obter uma soma de valores de entrada ponderados. Caso a soma
dos valores estiver acima de um determinado limite, normalmente definido como zero, o valor resultante será
normalmente 1 e, caso a soma estiver abaixo do limite, o valor de saída será -1. Essa arquitetura de rede neural
artificial geralmente aparece em sua forma mais simples como um perceptron de camada única.
Assinale a alternativa que corresponde, corretamente, a essa definição?
As Redes neurais artificiais são muito utilizadas para encontrar soluções e escalar processos para facilitar a tomada
de decisões. Dentre as opções abaixo, qual a opção que representa uma desvantagem das redes neurais
artificiais?
Normalmente, a rede neural artificial é configurada em camadas. As camadas são compostas de vários "nós"
interconectados, cada um com uma "função de ativação". Como é chamada a camada onde ocorre o resultado final
do processamento de uma rede neural artificial?
 
6.
Rede ativa
Rede Neural Feed Forward
Rede concorrente
Feed Backward Network (Rede Recorrente)
Rede competitiva
Data Resp.: 04/10/2023 20:27:22
Explicação:
Essa definição corresponde ao conceito de uma rede da arquitetura Feed Forward, que são redes diretas, sendo
a mesma usada nas redes perceptron de multicamadas.
 
7.
A rede neural aprende com os dados analisados e não requer reprogramação
Funciona bem com dados lineares e não lineares
Requer alto poder computacional
As redes neurais funcionam mesmo que uma ou algumas unidades não respondam à rede
Arquitetura facilmente adaptável a vários domínios de problemas
Data Resp.: 04/10/2023 20:22:55
Explicação:
Definitivamente a única opção que representa uma desvantagem das redes neurais artificiais é o fato de ela
requerer alto poder computacional e consequentemente grandes custos para implantação.
 
8.
Camada de retropropagação
Camada de entrada (Input layer)
Camada de pesos (Weight layer)
Camada oculta (Hidden layer)
Camada de saída (Output layer)
Data Resp.: 04/10/2023 20:25:11
Explicação:
Em uma rede neural artificial, a camada de saída (Output layer) é obrigatória, independente do tipo de rede
neural. É nessa camada que são apresentados o resultado do processamento de uma rede neural artificial. 
Esse componente de uma rede neural artificial mapeia corretamente a camada anterior para as restrições da
próxima (geralmente 0/1). Esse componente é definido como uma mudança não linear nos valores antes de enviar
os valores de resultado. Essa definição é relativaa qual componente de uma rede neural artificial (RNA)?
Uma rede varejista possui 32 lojas no estado do Rio de Janeiro e está planejando a construção de uma rede neural
artificial para realizar o agrupamento (clustering) e segmentação de seus clientes. Nesse projeto, é necessário que
a rede aprenda e encontre padrões e aufira conclusões dos dados não rotulados. Essa rede neural usará qual tipo
de aprendizado?
 
9.
Camada oculta (Hidden layer)
Camada de saída (Output layer)
Camada de pesos (Weight layer)
Activation function (Função de ativação)
Viés (Bias)
Data Resp.: 04/10/2023 20:23:55
Explicação:
Essa definição corresponde ao conceito do componente função de ativação (Activation function) em uma rede
neural artificial. Esse componente é responsável por mapear os dados da camada anterior para as restrições da
próxima camada (geralmente 0/1).
 
10.
Aprendizado supervisionado
Aprendizado final
Aprendizado Não supervisionado
Aprendizado de pesos
Aprendizado inicial
Data Resp.: 04/10/2023 20:23:45
Explicação:
No aprendizado não supervisionado, a rede que aprende e encontra padrões e aufere conclusões dos dados
não rotulados usa o aprendizado não supervisionado.