Baixe o app para aproveitar ainda mais
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.
Compartilhar