COM510-AtvAval2

Prévia do material em texto

PERGUNTA 1
Considerando a representação da arquitetura de uma rede neural como um grafo, é correto afirmar:
É possível representar o fluxo do sinal a partir desta representação.(i)
Grafos podem representar apenas redes de neurônios lineares.(ii)
Elos sinápticos representam relações lineares entre a entrada e peso produzindo a saída do elo.(iii)
Elos de ativação representam funções de ativação lineares.(iv)
O grafo permite tanto a representação de sinais intra- quanto inter-neurônios.(v)
Assinale a alternativa correta:
Todas as afirmações estão corretas.○
Apenas as afirmações i, iii e v estão corretas.
Apenas as afirmações i e iii estão corretas.○
Apenas as afirmações iii, iv e v estão corretas.○
Apenas as afirmações ii, iii e v estão corretas.○
1,66 pontos 
Justificativa: Grafos são representações gráficas que podem ser usados para quaisquer redes neurais, as funções de ativação podem ser não-lineares como a ReLU, Softplus, 
tanh, ELU, ...
PERGUNTA 2
Considerando as entradas {x1, x2} definidas a seguir: ({0;0}, {0;1}, {1;0}, {1;1}). Qual é a função lógica representada por cada 
Perceptron abaixo?
Assinale a alternativa correta:
1– Porta AND, 2 – Porta AND; 3 – Porta AND○
1– Porta OR, 2 – Porta OR; 3 – Porta AND○
1– Porta AND, 2 – Porta OR; 3 – Porta AND
1– Porta OR, 2 – Porta AND; 3 – Porta OR○
1– Porta AND, 2 – Porta OR; 3 – Porta OR○
1,66 pontos 
Justificativa: aplicada a fórmula para cálculo do campo local induzido 𝐛 𝐱𝟎 + 𝐰𝟏 𝐱𝟏 + 𝐰𝟐 𝐱𝟐, obtemos os valores correspondentes nas tabelas verdade:
[1] → AND
X1 X2 𝒃 𝒙𝟎 + 𝒘𝟏 𝒙𝟏 + 𝒘𝟐 𝒙𝟐 y
0 0 −0,4 1 + 0,3 0 + 0,3 0 = −0,4 ⇒ 𝑣
≤ 0 
0
0 1 −0,4 1 + 0,3 0 + 0,3 1 = −0,1 ⇒ 𝑣 ≤ 0 0
1 0 −0,4 1 + 0,3 1 + 0,3 0 = −0,1 ⇒ 𝑣 ≤ 0 0
1 1 −0,4 1 + 0,3 1 + 0,3 1 = +0,2 ⇒ 𝑣 > 0 1
[2] → OR
X1 X2 𝒃 𝒙𝟎 + 𝒘𝟏 𝒙𝟏 + 𝒘𝟐 𝒙𝟐 y
0 0 −0,2 1 + 0,5 0 + 0,5 0 = −0,2 ⇒ 𝑣
≤ 0 
0
0 1 −0,2 1 + 0,5 0 + 0,5 1 = +0,3 ⇒ 𝑣 > 0 1
1 0 −0,2 1 + 0,5 1 + 0,5 0 = +0,3 ⇒ 𝑣 > 0 1
1 1 −0,2 1 + 0,5 1 + 0,5 1 = +0,8 ⇒ 𝑣 > 0 1
[3] → AND
X1 X2 𝒃 𝒙𝟎 + 𝒘𝟏 𝒙𝟏 + 𝒘𝟐 𝒙𝟐 y
0 0 −1,5 1 + 1,0 0 + 1,0 0
= −1,5 ⇒ 𝑣 ≤ 0 
0
0 1 −1,5 1 + 1,0 0 + 1,0 1
= −0,5 ⇒ 𝑣 ≤ 0 
0
1 0 −1,5 1 + 1,0 1 + 1,0 0
= −0,5 ⇒ 𝑣 ≤ 0 
0
1 1 −1,5 1 + 1,0 1 + 1,0 1
= +0,5 ⇒ 𝑣 > 0 
1
Atividade 2
sexta-feira, 17 de fevereiro de 2023 06:23
 Página 1 de Introdução 
PERGUNTA 3
O conjunto de dados é comumente dividido em três subconjuntos: treino, validação e teste. Sobre cada subconjunto é correto 
afirmar:
O conjunto de treino é utilizado para ajustar os parâmetros do modelo, i.e., pesos.(i)
O conjunto de validação é utilizado para avaliar a capacidade de generalização dos modelos e, como consequência, auxiliar na 
seleção do melhor conjunto de hiperparâmetros.
(ii)
O conjunto de teste é usado para aferir a acurácia final do modelo gerado.(iii)
Todos os subconjuntos devem vir da mesma distribuição de dados.(iv)
Assinale a alternativa correta:
Apenas as alternativas i e iii estão corretas.○
Apenas as alternativas i e ii estão corretas.○
Apenas as alternativas ii, iii e iv estão corretas.○
Todas as alternativas estão corretas.
Nenhuma das alternativas está correta.○
1,66 pontos 
Justificativa: Texto-base 3 – Aprendizado profundo para leigos (Capítulo 2, páginas 30 e 31) | John Paul Mueller
PERGUNTA 4
Sobre o pré-processamento dos dados para desenvolvimento dos modelos de redes neurais, é correto afirmar:
Considerando a tarefa de agrupamento de dados, os dados devem estar balanceados a priori.(i)
Dados com atributos faltantes podem ser eliminados da base ou terem seus valores imputados.(ii)
Redes neurais demandam dados numéricos, logo atributos categóricos (simbólicos) devem ser convertidos antes da sua 
utilização.
(iii)
Sempre devemos realizar a redução de dimensionalidade ao treinar um modelo de rede neural.(iv)
Assinale a alternativa correta:
Apenas as afirmações ii e iii estão corretas.
Apenas as afirmações ii, iii e iv estão corretas.○
Apenas as afirmações i e iii estão corretas.○
Apenas as afirmações i, ii e iii estão corretas.○
Todas as afirmações estão corretas.○
1,66 pontos 
Justificativa: Tarefas de agrupamento são realizadas pelo aprendizado não-supervisionado, por tanto as classes não são conhecidas. A redução de dimensionalidade pode afetar 
o resultado desejado, comumente se reduz dimensionalidade para datasets com muitos atributos (variáreis de entrada)
PERGUNTA 5
Identifique as arquiteturas de redes neurais associadas aos grafos abaixo:
Assinale a alternativa correta:
i) rede alimentada adiante com camada única; 
ii) rede recorrente sem autoalimentação; 
iii) rede recorrente com neurônios ocultos; 
iv) rede alimentada adiante com múltiplas camadas.
○
i) rede recorrente sem autoalimentação; 
ii) rede alimentada adiante com camada única; 
iii) rede alimentada adiante com múltiplas camadas; 
iv) rede recorrente com neurônios ocultos.
○
i) rede recorrente com neurônios ocultos;
ii) rede alimentada adiante com camada única; 
iii) rede recorrente sem autoalimentação;
iv) rede alimentada adiante com múltiplas camadas.
○
i) rede recorrente sem autoalimentação; 
 Página 2 de Introdução 
i) rede recorrente sem autoalimentação; 
ii) rede alimentada adiante com camada única; 
iii) rede recorrente com neurônios ocultos; 
iv) rede alimentada adiante com múltiplas camadas.

i) rede alimentada adiante com camada única; 
ii) rede recorrente sem autoalimentação; 
iii) rede alimentada adiante com múltiplas camadas; 
iv) rede recorrente com neurônios ocultos.
○
1,66 pontos 
Justificativa: Texto-base 1 – Redes Neurais: princípios e prática (Seção 1.6)
PERGUNTA 6
Sobre o Perceptron e o Adaline é correto afirmar:
Ambos foram desenvolvidos na mesma época.(i)
Ambos são modelos lineares.(ii)
A regra de atualização para o Perceptron e Adaline é a mesma.(iii)
A fórmula de atualização do Adaline é derivada a partir da regra Delta. Consiste no cálculo do gradiente descendente a partir
de uma função de custo (energia instantânea do erro).
(iv)
A taxa de aprendizagem é um parâmetro livre e pode ser ajustado durante o treinamento de ambos os modelos.(v)
Assinale a alternativa correta:
Todas as alternativas estão corretas.○
Apenas as alternativas ii, iv e v estão corretas.○
Apenas as alternativas i, iii e v estão corretas.○
Apenas as alternativas i, ii e iv estão corretas.○
Apenas as alternativas i, iii, iv e v estão corretas.
1,7 pontos 
Justificativa: Perceptron  Neurônio não-linear (o erro será -1, 0 ou 1); Adaline  Neurônio linear (o erro é um valor contínuo qualquer -∞ ~ +∞)
 Página 3 de Introdução