Baixe o app para aproveitar ainda mais
Prévia do material em texto
P E RG U NT A 1 1. O treinamento da máquina de Boltzmann depende de duas fases distintas, que são: fase positiva, na qual todos os neurônios podem operar livremente; fase negativa, na qual os neurônios, da camada oculta, permanecem f ixos em um dado estado. fase positiva, na qual os neurônios visíveis permanecem f ixos em um dado estado; e fase negativa, na qual todos os neurônios podem operar livremente. fase positiva, na qual os neurônios ocultos permanecem f ixos em um dado estado; fase negativa, na qual todos os neurônios podem operar livremente. fase positiva, na qual todos os neurônios podem operar livremente; fase negativa, na qual os neurônios da camada visível permanecem f ixos em um dado estado. fase de propagação, na qual o sinal se propaga da camada visível para a camada oculta; fase de retropropagação, na qual o sinal se propaga no sentido inverso. 1,42 pontos P E RG U NT A 2 1. Assinale a alternativa correta em relação à rede de Hopf ield. A rede de Hopf ield consiste em uma versão recorrente da rede Multilayer Perceptron. Por possuir diversas camadas, o seu treinamento é realizado via algoritmo de retropropagação. A rede de Hopf ield consiste em um conjunto de neurônios totalmente conectados entre si, porém sem laços de autorealimentação. As conexões entre os neurônios possuem pesos simétricos. A rede de Hopf ield é uma rede neural com múltiplas camadas de neurônios não lineares e alta capacidade de memória. A rede de Hopf ield é uma rede neural estocástica, totalmente conectada e com laços de autorrealimentação. As conexões entre os neurônios possuem pesos simétricos. A rede de Hopf ield consiste em um modelo supervisionado dese Boltzmann depende de nvolvida para solucionar o problema de classif icação com múltiplas classes. 1,42 pontos P E RG U NT A 3 1. O treinamento da máquina restrita de Boltzmann é comumente realizado pelo algoritmo CD, denominado divergência contrastiva (do inglês: Contrastive Divergence). Qual é a vantagem desse algoritmo em relação ao algoritmo original de treinamento dessas redes? O algoritmo CD consiste em uma adaptação do algoritmo de treinamento da RBM utilizando temperatura decrescente durante as iterações, por essa razão, a rede converge mais rapidamente reduzindo o custo associado a amostragem de Gibbs. O cálculo das correlações (expectativas) na fase negativa via amostragem de Gibbs é muito custo computacionalmente, o algoritmo CD reduz esse custo realizando o cálculo das correlações com apenas um passo da amostragem de Gibbs após a fase positiva. O algoritmo CD realiza a fusão das fases positiva e negativa utilizando o método da divergência contrastiva. Como consequência, o custo computacional associado ao treinamento é reduzido. O algoritmo CD elimina a necessidade da fase negativa do algoritmo original de treinamento das RBMs. Como consequência, o custo computacional associado ao treinamento é reduzido. O cálculo das correlações (expectativas) na fase negativa via amostragem de Gibbs é muito custo computacionalmente, o algoritmo CD agrega uma fase de retropropagação do sinal de erro com o objetivo de reduzir esse custo e acelerar a convergência do treinamento. 1,42 pontos P E RG U NT A 4 1. O que é um atrator em um sistema dinâmico? Um atrator é representado pelo conjunto de pontos instáveis do sistema dinâmico, isto é, pontos que nunca serão atingidos durante a evolução do sistema. É def inido como um subconjunto limitado do espaço de fases para o qual o sistema converge a partir de uma dada condição inicial. Representa o comportamento divergente de um sistema dinâmico. Um atrator é representado pelo conjunto de órbitas caóticas associados ao sistema dinâmico em estudo. É def inido como a condição inicial a partir da qual o sistema dinâmico evolui no tempo. Um atrator pode ser considerado instável ou estável. 1,42 pontos P E RG U NT A 5 1. A máquina restrita de Boltzmann (RBM) representa uma versão da máquina de Boltzmann na qual as ligações intracamadas são suprimidas. Qual é o benef ício gerado por essa restrição? As ligações intracamadas são responsáveis por gerar dinâmicas complexas na evolução do modelo, logo, ao eliminá-las, o modelo sempre irá convergir para um ponto f ixo, melhorando a estabilidade do modelo f inal. O equilíbrio térmico da máquina restrita de Boltzmann, em sua fase negativa, pode ser obtido a partir de um número pequeno de iterações, dessa forma, em comparação à máquina de Boltzmann original, o custo computacional para se calcular as correlações entre estados nessa fase é bastante reduzido. Ao restringir o número de conexões, o custo computacional associado ao treinamento da máquina de Boltzmann é drasticamente reduzido. A redução do número de ligações permite a aplicação direta do algoritmo de retropropagação para treinamento das RBM. Na máquina de Boltzmann padrão, o equilíbrio térmico na fase positiva requer um número elevado de iterações. Ao eliminar as ligações intercamadas, o equilíbrio térmico pode ser atingido com apenas um passo. 1,42 pontos P E RG U NT A 6 1. Considere a rede de Hopf ield com três neurônios def inida abaixo. Os pesos estão representados nas arestas (ligações) da rede. Qual será o estado no tempo t+1 assumindo que no tempo t o estado da rede é: x=[N1, N2, N3]=[1, 1, 1]? Obs.: assuma o limiar zero (theta=0). c [1, -1, 1] [-1, -1, -1] [-1, 1, 1] [1, -1, -1] 1,45 pontos P E RG U NT A 7 1. Qual é a função dos neurônios visíveis e ocultos na máquina de Boltzmann? O/s neurônios visíveis representam a interface com o ambiente. Os neurônios ocultos são responsáveis pela captura de correlações a partir dos padrões apresentados na camada visível. A máquina de Boltzmann, assim como a rede de Hopf ield, não possui neurônios ocultos. Os neurônios visíveis representam a interface com o ambiente de operação da rede. Os neurônios ocultos, por sua vez, são responsáveis pelo mapeamento das entradas na camada de saída da rede. Os neurônios visíveis representam a camada de saída da rede. Os neurônios ocultos representam a interface entre as entradas e os neurônios visíveis representando a camada de saída da rede. Os neurônios visíveis representam a camada de entrada da máquina de Boltzmann. Os neurônios ocultos, por sua vez, processam a informação recebida pela camada visível e projeta os resultados na camada de saída. PERGUNTA EXTRA 1. Considere a máquina de Boltzmann abaixo: Neste exemplo, o estado ligado é representado por (1) e o estado desligado é representado por (0). Assuma que as arestas ausentes representam ligações com peso zero. Qual é a probabilidade do neurônio N1 ligar considerando o estado atual da rede e a temperatura T=1? Qual é a probabilidade de subirmos a temperatura para T=100? Para T=1 a probabilidade é de 88,3%, para T=100 é de 50,0%. Para T=1 a probabilidade é de 88,3%, para T=100 é de 100,0%. Para T=1 a probabilidade é de 73,1%, para T=100 é de 50,0%. Para T=1 a probabilidade é de 73,1%, para T=100 é de 100,0%. Para T=1 a probabilidade é de 30,1%, para T=100 é de 100,0%.
Compartilhar