Fazer teste Semana 7 - Atividade Avaliativa Redes

Prévia do material em texto

Fazer teste: Semana 7 - Atividade Avaliativa
Informações do teste
Descrição
Instruções
Várias tentativas Este teste permite 3 tentativas. Esta é a tentativa número 2.
Forçar conclusão Este teste pode ser salvo e retomado posteriormente.
Suas respostas foram salvas automaticamente.
1. Para responder a esta atividade, selecione a(s) alternativa(s) que você considerar correta(s);
2. Após selecionar a resposta correta em todas as questões, vá até o fim da página e pressione “Enviar teste”.
3. A cada tentativa, as perguntas e alternativas são embaralhadas
Olá, estudante!
Pronto! Sua atividade já está registrada no AVA.
PERGUNTA 1
Liste as principais diferenças entre as unidades GRU (Gated Recurrent Unit) e LSTM (Long Short-Term Memory):
A GRU e LSTM diferem no número de camadas utilizadas no modelo. A GRU possui apenas uma camada oculta e
a LSTM possui duas camadas ocultas.
A GRU possui apenas uma variável de estado (sinal de memória) e 2 portas de controle, a LSTM possui duas
variáveis de estado (sinal memória) e 3 portas.
A GRU possui duas variáveis de estado (sinal de memória) e 2 portas, a LSTM possui apenas uma variável de
estado (sinal memória) e 3 portas.
A GRU e LSTM possuem a mesma quantidade de portas e variáveis de estado. A diferença principal está na forma
de treinamento dos modelos.
A GRU não permite a criação de uma arquitetura bidirecional. Esta só é possível com as unidades LSTM.
1,66 pontos   Salva
PERGUNTA 2
Quais dos problemas abaixo são comumente abordados com redes neurais recorrentes?
Classificação de imagens, agrupamento de dados e classificação binária.
Análise de sentimentos; reconhecimento de fala e tradução.
Análise de sentimentos, classificação de imagens e criação memórias associativas.
Classificação de imagens, aproximação de funções e criação de memórias associativas.
Classificação de imagens, agrupamento de dados e análise de sentimentos.
1,66 pontos   Salva
PERGUNTA 3
Associe a arquitetura de rede recorrente abaixo a um possível problema que possa utilizá-la.
1) 
2) 
 Estado de Conclusão da Pergunta:
1,66 pontos   Salva
Clique em Salvar e Enviar para salvar e enviar. Clique em Salvar todas as respostas para salvar
todas as respostas.
Salvar todas as respostas Salvar e Enviar
https://ava.univesp.br/webapps/assessment/take/launch.jsp?course_assessment_id=_126984_1&course_id=_8361_1&new_attempt=1&content_id=_1111809_1&step=#
https://ava.univesp.br/webapps/assessment/take/launch.jsp?course_assessment_id=_126984_1&course_id=_8361_1&new_attempt=1&content_id=_1111809_1&step=#
3) 
a. Transcrição de áudio em texto.
b. Predição do valor futuro de uma ação.
c. Geração automática de texto.
1-a; 2-b; 3-c.
1-b; 2-a; 3-c.
1-a; 2-c; 3-b.
1-c; 2-b; 3-a.
1-b; 2-c; 3-a.
PERGUNTA 4
Qual é a função da porta de saída (gate de output) de uma rede LSTM?
O gate de output é responsável por controlar a formação do estado candidato, representado por ct, gerado no
tempo t que, posteriormente, irá compor a saída da rede.
O gate de output é responsável pela atualização do sinal interno do neurônio, representado por ct.
O gate de output é responsável por indicar qual parte do sinal anterior, representado por at-1, irá compor a saída da
camada LSTM (representada por at).
O gate de output é responsável por indicar qual parte do sinal interno gerado, representado por ct, irá compor a
saída da camada LSTM (representada por at).
O gate de output, que consiste numa porta binária, é responsável por habilitar ou não a saída dos neurônios da
camada LSTM.
1,66 pontos   Salva
PERGUNTA 5
Qual é a função do truncamento no algoritmo de retropropagação através do tempo?
O truncamento funciona como uma regularização do modelo, evitando que os pesos se saturem.
O truncamento elimina o problema do desaparecimento ou explosão do vetor gradiente.
O truncamento possui como objetivo limitar o tamanho do vetor gradiente.
O truncamento possui duas funções principais: limitação do custo computacional e estabilidade numérica do cálculo
do gradiente.
O truncamento é responsável por interromper o processo de treinamento de forma antecipada, evitando o overfitting
dos dados.
1,68 pontos   Salva
PERGUNTA 6
Qual das equações abaixo representa a formulação correta para o cálculo do estado do neurônio oculto (a) no tempo t?
 Estado de Conclusão da Pergunta:
Clique em Salvar e Enviar para salvar e enviar. Clique em Salvar todas as respostas para salvar
todas as respostas.
Salvar todas as respostas Salvar e Enviar
1,68 pontos   Salvar resposta
Obs.: x representa a entrada do neurônio x=[x1,x2], a representa o estado interno do neurônio oculto e y o sinal de
saída. Os pesos associados a entrada são representados por wx=[wx1, wx2], os pesos associados à realimentação são
representados por wa, por fim, o peso da unidade de saída é representado por wy. A unidade sobrescrita, i.e., t em xt
representa o sinal no tempo t. Phi representa a função de ativação dos neurônios. Considere que o neurônio acima não
possui o bias.
α
t
= φ (ω
a
α
t − 1
+ ω
x
X + ω
y
y )
α
t
= φ (ω
a
α
t − 1
+ ω
x
X
t
+ ω
y
y
t
)
α
t
= φ (ω
a
α
t − 1
+ ω
x
X
t
)
α
t
= φ (ω
a
α
t
+ ω
x
X)
α
t
= φ (ω
a
α
t − 1
+ ω
x
X)
 Estado de Conclusão da Pergunta:
Clique em Salvar e Enviar para salvar e enviar. Clique em Salvar todas as respostas para salvar
todas as respostas.
Salvar todas as respostas Salvar e Enviar