PROVA ON-LINE_ 08 - Redes Neurais e Aprendizagem Profunda (2022)

Prévia do material em texto

9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 1/11
PROVA ON-LINE
Entrega Sem prazo Pontos 60 Perguntas 10
Disponível depois 29 ago em 10:00 Limite de tempo 60 Minutos
Tentativas permitidas Sem limite
Instruções
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 20 minutos 54 de 60
Pontuação desta tentativa: 54 de 60
Enviado 23 set em 15:46
Esta tentativa levou 20 minutos.
ATENÇÃO: Verifique em "Notas" se você não atingiu o aproveitamento necessário nesta
disciplina. 
Caso você já tenha realizado uma prova anterior e opte por uma nova tentativa, será identificado
como uma prova extra e resultará em pagamento de taxa extra.
INSTRUÇÕES DA AVALIAÇÃO ON-LINE
A prova tem a duração de 60 minutos. 
Ao clicar em PROVA ON-LINE, no menu “Testes” você iniciará a prova. A partir daí não será
possível desistir de realizá-la.
A prova é composta de 10 questões objetivas, cada uma no valor de 6 pontos.
Ao final do teste não se esqueça de enviá-lo, clicando no botão “ENVIAR TESTE”. Só utilize esse
botão quando tiver finalizado a avaliação.
Se necessário, durante a prova, entre em contato pelo link “Atendimento”.
ATENÇÃO: Todas as provas iniciadas e que não houverem sido submetidas serão
automaticamente encerradas pelo sistema transcorridos os 60 minutos de duração.
Boa Prova!
Fazer o teste novamente
https://pucminas.instructure.com/courses/90425/quizzes/336773/history?version=1
https://pucminas.instructure.com/courses/90425/quizzes/336773/take?user_id=196222
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 2/11
0 / 6 ptsPergunta 1
A classificação de imagens representa uma tarefa fundamental na área
de visão computacional, sendo desafiadora tanto devido ao “gap”
semântico existente entre os dados de entrada e o resultado desejado,
quanto às dificuldades oriundas das variações de ponto de vista,
iluminação e forma, entre outras. Ao contrário de métodos tradicionais
baseados em regras e restrições previamente codificadas, abordagens
para a classificação de imagens baseada em dados parecem ter mais
sucesso.
Marque a alternativa que não representa uma atividade típica e
necessária relacionada a uma abordagem baseada em dados para a
classificação de imagens:
 
Utilizar um método de aprendizado de máquina para treinar um
classificador.
ocê respondeuocê respondeu
 
Processar as imagens para se extrair bordas e contornos para, em
seguida, se inferir sobre os objetos representados.
esposta corretaesposta correta
 Reunir um conjunto de imagens juntamente com seus rótulos. 
 
Avaliar o classificador treinado utilizando um conjunto de imagens para
teste.
6 / 6 ptsPergunta 2
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 3/11
Ao se construir e treinar um modelo, muitas vezes é necessário
determinar uma série de hiperparâmetros, tais como: qual distância será
usada, o número de vizinhos a serem analisados, a quantidade de
camadas em uma rede neural artificial, o número de neurônios por
camada, entre outros.
Marque a afirmação correta relacionada ao ajuste de hiperparâmetros:
 
A validação cruzada permite realizar uma avaliação mais isenta dos
hiperparâmetros, uma vez que o uso de várias subdivisões tende a reduzir
o viés (positivo ou negativo) que poderia existir se apenas uma única
divisão do conjunto de treinamento fosse utilizada.
Correto!Correto!
A validação cruzada procura realizar uma série de avaliações, de 
modo a determinar a performance associada a um dado 
hiperparâmetro independentemente da maneira como os dados 
foram divididos em subconjuntos ou mesmo do conteúdo desses 
subconjuntos que são usados para treino e validação.
 
É muito usual que se divida o conjunto de teste, de forma a se ter um
subconjunto de dados para se avaliar quais valores de hiperparâmetros
funcionam melhor.
 
Em uma validação cruzada de 3 dobras, divide-se o conjunto de
treinamento em 3 subconjuntos e, de forma cíclica, se utiliza de cada um
deles como conjunto de treinamento enquanto os outros dois são usados
para validação dos hiperparâmetros.
 
Experimentar quais valores de hiperparâmetros funcionam melhor
utilizando o conjunto de teste pode ser uma boa estratégia.
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 4/11
6 / 6 ptsPergunta 3
Redes neurais artificiais são modelos inspirados pelo sistema nervoso e
são capazes de realizar o aprendizado de máquina a partir dos dados,
tendo sido usadas para resolver uma grande variedade de tarefas, tais
como visão computacional e reconhecimento de voz, que são difíceis de
abordar por meio de métodos tradicionais da IA.
Marque a alternativa que representa uma afirmação incorreta:
 
Em um neurônio artificial, as entradas são primeiramente submetidas a
uma função de ativação para só depois serem combinadas em uma única
saída por meio de uma soma ponderada.
Correto!Correto!
Na verdade, ocorre exatamente o oposto, as entradas são 
primeiramente combinadas por meio de um somatório ponderado 
para só depois se aplicar uma função de ativação ao resultado do 
somatório e se produzir a saída do neurônio artificial.
 
Uma rede neural feed-forward têm neurônios agrupados em camadas,
sendo que os neurônios de uma mesma camada não são conectados
entre si e o sinal percorre a rede em uma única direção, da entrada para a
saída.
 
A função de ativação é essencial para introduzir um componente de não
linearidade nas redes neurais artificiais e com isso aumentar a capacidade
de representação e aproximação destas.
 Uma rede neural com mais neurônios possui uma maior capacidade. 
6 / 6 ptsPergunta 4
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 5/11
A otimização da função de perda de uma rede neural busca obter um
modelo que seja capaz de realizar boas predições. Para tanto, procura-se
alcançar um ponto de mínimo da função de perda utilizando a direção
contrária do gradiente.
Marque a alternativa que não representa uma atividade relacionada ao
método do gradiente:
 Calcular o gradiente da taxa de aprendizado. Correto!Correto!
No método do gradiente, deve-se calcular o gradiente da função de 
perda em relação aos pesos e utilizá-lo juntamente com o tamanho 
do passo (ou taxa de aprendizado) para se ajustar os pesos de 
forma a se obter preferencialmente um novo conjunto de pesos mais 
próximo do ótimo. Não faz nenhum sentido e nem é necessário se 
calcular o gradiente da taxa de aprendizado (ou tamanho do passo).
 
Usar o gradiente da função de perda e o tamanho do passo para modificar
os pesos ou parâmetros a cada passo do método.
 
Avaliar a função de perda em relação ao conjunto de pesos ou parâmetros
atuais.
 
Ajustar o conjunto de pesos ou parâmetros de modo a obter um novo
conjunto, de preferência, mais próximo do ótimo.
6 / 6 ptsPergunta 5
O método de propagação retrógrada (ou backpropagation) permite se
obter os gradientes em um grafo de computação de forma eficaz.
Marque a alternativa que representa uma afirmação incorreta:
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 6/11
 
Um elemento de adição no grafo de computação faz com que o gradiente
da perda em relação a saída desse elemento seja distribuído para todas
as entradas desse elemento uma vez que todas as derivadas “locais” são
unitárias.
 
Caso um elemento do grafo de computação apresente várias saídas (ou
ramificações), durante o passo retrógado deve utilizar apenas o maior dos
valores de gradiente da perda em relação às saídas.
Correto!Correto!
Na verdade, caso ocorra umaramificação (isto é, um elemento do 
grafo possua várias saídas), deve-se realizar a soma de todos os 
gradientes da perda relacionadas a cada uma das saídas antes de 
se aplicar a regra da cadeia para obtenção dos gradientes em 
relação às entradas.
 
O método de propagação retrógrada (ou backpropagation) se baseia na
utilização da regra da cadeia.
 
A derivada da perda em relação a uma entrada de um elemento qualquer
do grafo de computação pode ser obtida a partir da derivada da saída
desse elemento em relação a essa entrada e o gradiente da perda em
relação a saída do mesmo elemento.
6 / 6 ptsPergunta 6
Existem diversos esquemas para a atualização de pesos que podem ser
adotados em uma rede neural profunda como alternativas à estratégia
básica utilizada pelo método SGD.
Marque a alternativa que representa uma afirmação incorreta:
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 7/11
 
Os métodos RMSProp e ADAGRAD normalizam os gradientes,
funcionando muito bem em conjuntos de dados com grande variação na
magnitude dos mesmos como, por exemplo, em dados textuais.
 
O método ADAM (“Adaptive Moment Estimation”) pode ser visto como
uma combinação dos métodos RMSProp e ADAGRAD.
Correto!Correto!
Na verdade, o método ADAM pode ser visto como uma combinação
entre do uso de “momentum” com o método RMSProp.
 
O uso de “momentum” permite que as atualizações “se acumulem” nas
direções rasas (de pouca variação) e que elas se reduzam nas direções
íngremes (de muita variação), fazendo com que se evite uma trajetória em
“zig-zag”.
 
O NAG (“Nesterov Accelerated Gradient”) apresenta uma taxa de
convergência mais rápida que o “momentum” tradicional pelo menos em
teoria e para problemas de otimização convexa.
6 / 6 ptsPergunta 7
A normalização em lote (“batch normalization”) faz com que cada
dimensão das ativações (isto é, dos resultados de uma camada) se
comportem segundo uma distribuição gaussiana com média nula e
desvio padrão unitário.
Marque a alternativa que representa uma afirmação incorreta:
 Permite taxas de aprendizagem mais altas. 
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 8/11
 
Durante a predição (ou teste), os valores de média e variância não são
calculados com base no lote atual, sendo utilizado um único par fixo de
média e variância obtido durante o treinamento.
 Reduz a forte dependência da inicialização. 
 Não melhora o fluxo gradiente através da rede. Correto!Correto!
Na verdade, um dos principais efeitos da adoção da normalização 
em lote é a melhoria do fluxo de gradientes viabilizando tanto o 
treinamento de redes com um número maior de camadas quanto um 
aumento da taxa de aprendizado utilizada nesse processo.
6 / 6 ptsPergunta 8
As redes AlexNet e VGG representam dois importantes marcos na
evolução das redes neurais profundas aplicadas à tarefa de classificação
de imagens.
Marque a alternativa que representa uma afirmação incorreta:
 
A rede VGG introduziu a ideia de se utilizar filtros menores em redes mais
profundas, uma vez que eles conseguem o mesmo efeito e cobertura de
filtros maiores utilizando um número menor de parâmetros.
 
A rede VGG foi a primeira a se utilizar da função de ativação ReLU
(“Rectified Linear Unit”).
Correto!Correto!
Na verdade, a rede AlexNet foi a primeira a utilizar a função de
ativação ReLU.
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 9/11
 
Foi necessário se utilizar de forma intensiva de “data augmentation” para
treinamento da rede AlexNet.
 
A rede AlexNet alcançou uma redução da taxa de erro de
aproximadamente 10%.
6 / 6 ptsPergunta 9
Redes recorrentes introduzem em seus projetos a presença de ciclos e a
noção de tempo.
Marque a alternativa que representa uma afirmação incorreta:
 
Em uma rede recorrente, o gradiente ao longo da dimensão temporal pode
tanto crescer como reduzir exponencialmente, inviabilizando o treinamento
caso se considere um intervalo de tempo (isto é, tamanho de sequência
de entrada) razoável.
 
As unidades LSTM (“Long Short Term Memory”) e variações conseguem
por meio do uso de uma memória (ou estado) de célula garantir um bom
fluxo de gradientes ao longo do tempo e, consequentemente, viabilizar o
treinamento de intervalos de tempo mais longos.
 
Em uma rede recorrente, as camadas podem ser empilhadas de forma a
se produzir versões profundas, em que cada camada é responsável por
adicionar um nível maior de abstração e se utiliza se diferentes
parâmetros durante os diferentes intervalos de tempo (em um mesmo
nível).
Correto!Correto!
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 10/11
Uma camada de rede recorrente sempre irá utilizar os mesmos 
parâmetros para todos os intervalos de tempo (isto é, os parâmetros 
de um mesmo nível são independentes do tempo).
 
Rede recorrente pode ser “estendida” em várias etapas de tempo,
produzindo um grafo acíclico direcionado que viabiliza o uso da
propagação retrógrada (“backpropagation”), porém seu tamanho
dependerá do comprimento da sequência de entrada.
6 / 6 ptsPergunta 10
O tamanho do passo (“stride”) e o uso de preenchimento (“padding”)
afetam os resultados de uma camada convolucional.
Marque a alternativa que representa uma afirmação incorreta:
 
Para uma entrada de tamanho N x N e um filtro de tamanho F x F, a
dimensão da saída será (N – F) / S + 1, em que S representa o tamanho
do passo (“stride”).
 
Uma camada convolucional com 6 filtros de tamanho 1×1 aprende como
realizar uma combinação dos mapas de ativação (ou características) da
entrada para produzir 6 novos mapas (ou características) na saída.
 
Nas camadas convolucionais com passo unitário e filtros de tamanho F x
F, é comum se utilizar de preenchimento por meio de uma borda de zeros
com tamanho (F – 1) / 2.
9/23/22, 3:47 PM PROVA ON-LINE: 08 - Redes Neurais e Aprendizagem Profunda (2022)
https://pucminas.instructure.com/courses/90425/quizzes/336773 11/11
 
Preenchimento não ajuda a minimizar o efeito da redução rápida de
dimensionalidade espacial.
Correto!Correto!
Para um filtro de tamanho F, o preenchimento realizado de forma a 
acrescentar uma borda de zeros com tamanho (F – 1) / 2 é capaz de 
eliminar o efeito de redução da dimensão espacial quando o passo 
for 1.
Pontuação do teste: 54 de 60