REDES NEURAIS

Prévia do material em texto

REDES NEURAIS 
1. Analise as afirmativas abaixo e assinale a alternativa correta:
I - Adaptabilidade é uma das características e vantagem das redes neurais, que é a habilidade de se adaptar às novas informações; v
II - Não podemos utilizar os perceptrons para conceber algoritmos de aprendizado que podem ajustar automaticamente os pesos e os BIAS em uma rede de neurônios artificiais
III - A função de ativação ou função sigmóide (não linear) faz pequenas alterações nos valores dos pesos ou dos BIAS de modo a se aproximar do resultado correto ou esperado. v
Todas as afirmativas estão corretas. errada
Nenhuma afirmativa está correta.
Apenas as afirmativas I e III estão corretas.
Apenas a afirmativa I está correta.
Apenas as afirmativas I e II estão corretas.
2. Analise as afirmativas abaixo e assinale a alternativa correta:
I - As redes neurais são modelos de processamento de informações inspirados em uma estrutura natural como o cérebro humano;
II - Uma RNA consiste em um determinado número de neurônios artificiais interligados por um grande número de conexões;
III - As redes neurais não conseguem mapear funções matemáticas.
Apenas as afirmativas I e III estão corretas.
3. Analise as afirmativas abaixo e assinale a alternativa correta:
I - As redes neurais são modelos de processamento de informações inspirados em uma estrutura natural como o cérebro humano;
II - Uma RNA consiste em um determinado número de neurônios artificiais desconectados uns dos outros; f
III - A definição dos pesos em cada neurônio é feita pelo processo de treinamento ou aprendizagem da rede neural.
Apenas as afirmativas I e III estão corretas.
4. Assinale a alternativa que melhor define a função de ativação Maxout?
o neurônio Maxout generaliza a função ReLU e sua versão Leaky ReLyu
5. Analise as afirmativas abaixo e assinale a alternativa correta:
I - Uma função sigmóide ou um neurônio sigmóide é dada por uma função matemática.
II - Podemos utilizar os perceptrons para conceber algoritmos de aprendizado que podem ajustar automaticamente os pesos e os BIAS em uma rede de neurônios artificiais
III - A função de ativação ou função sigmóide (não linear) faz pequenas alterações nos valores dos pesos ou dos BIAS de modo a se aproximar do resultado correto ou esperado.
Todas as afirmativas estão corretas.
6. Assinale a alternativa que melhor define a função de ativação Tanh?
é próxima de uma função sigmoide, porém suas saídas não tem apenas a variação de número entre 0 e 1, ela possui saídas reais entre -1 e 1.
7. Assinale a alternativa que melhor define a função de ativação Relu?
função de unidade linear retificada, que não necessariamente é uma função linear, ou seja, uma variação nos pesos ou BIAS pode ser propagada para neurônios em outras camadas e ativá-los ou não, dependendo da proximidade da saída estiver de zero, ela ativará ou não um determinado neurônio.
Unidade II
1. É correto afirmar que o número de neurônios de uma rede é uma métrica para se definir o tamanho de uma rede neural?
Verdadeiro
2. Analise as afirmativas abaixo e assinale a alternativa correta:
I - Uma rede neural de camada única descreve uma rede sem camadas ocultas; v
II - SVMs são simplesmente um caso especial de redes neurais de camada única; v
III - Em algumas literaturas as redes neurais podem ser denominadas "Redes neurais artificiais" (ANN) ou "Perceptrons de várias camadas" (MLP).
Todas as afirmativas estão corretas.
3. Analise as afirmativas abaixo e assinale a alternativa correta:
I - Para redes neurais regulares, o tipo de camada mais comum é a camada totalmente conectada;
II - A disposição dos neurônios em rede neurais não pode ser em camadas;
III - As redes neurais são modeladas como coleções de neurônios conectados em um gráfico acíclico.
Apenas as afirmativas I e III estão corretas.
4. Analise as afirmativas abaixo e assinale a alternativa correta:
I - Para redes neurais regulares, o tipo de camada mais comum é a camada totalmente conectada;
II - Os modelos da Rede Neural são frequentemente organizados em camadas distintas de neurônios;
III - As redes neurais são modeladas como coleções de neurônios conectados em um gráfico acíclico.
Todas as afirmativas estão corretas.
Unidade III
1. Analise as afirmativas abaixo e assinale a alternativa correta:
I - O processo Backpropagation não pode ser utilizado no processo de aprendizagem em uma rede neural;
II - A soma dos erros quadrados é um valor importante para se retropropagar o erro para as camadas e neurônios anteriores da rede;
III - A principal ideia é ajustar os pesos de cada neurônio artificial usando essencialmente o valor esperado para a saída da rede e o erro ou distância da saída da rede para o valor esperado.
Apenas as afirmativas II e III estão corretas.
2. Analise as afirmativas abaixo e assinale a alternativa correta:
I - “Inicializar pesos para os parâmetros que queremos treinar” é um dos passos do algoritmo backpropagation;
II - “Definir o erro ou função de custo e seus primeiros valores de derivações” é uma etapa da rede neural mas não possui relação com o algoritmo backpropagation;
III - “Atualizar as estimativas de parâmetro usando a derivada de erro e o valor atual” é um dos passos do algoritmo backpropagation.
Apenas as afirmativas I e III estão corretas.
3. Analise as afirmativas abaixo e assinale a alternativa correta:
I - “Inicializar pesos para os parâmetros que queremos treinar” é um dos passos do algoritmo backpropagation;
II - “Retropropagar através da rede para determinar os derivados de erro” é um dos passos do algoritmo backpropagation;
III - “Atualizar as estimativas de parâmetro usando a derivada de erro e o valor atual” é um dos passos do algoritmo backpropagation.
Todas as afirmativas estão corretas.
4. Analise as afirmativas abaixo e assinale a alternativa correta:
I - “Inicializar pesos para os parâmetros que queremos treinar” é uma etapa da rede neural que não tem relação com o algoritmo backpropagation;
II - “Definir o erro ou função de custo e seus primeiros valores de derivações” é um dos passos do algoritmo backpropagation;
III - “Atualizar as estimativas de parâmetro usando a derivada de erro e o valor atual” é um dos passos do algoritmo backpropagation.
Apenas as afirmativas II e III estão corretas.
Unidade IV
1. Analise as afirmativas abaixo e assinale a alternativa correta:
I - As redes de Kohonen tem uma estrutura de feed-forward com uma única camada computacional disposta em linhas e colunas.;
II - Em uma rede de Kohonen os neurônios não podem ser totalmente conectados;
III - As redes de Kohonen são um tipo particular de SOM.
Apenas as afirmativas I e III estão corretas.
2. É correto afirmar que as redes de Hopefield implementam redes de memória associativa.
Verdadeiro
3. Analise as afirmativas abaixo e assinale a alternativa correta:
I - As redes de Hopfield utilizam o conceito de aprendizagem não supervisionada;
II - As redes de Hopfield utilizam o conceito de aprendizagem supervisionada;
III - As redes de Kohonen utilizam o conceito de aprendizagem não supervisionada.
Apenas as afirmativas II e III estão corretas.
4. Analise as afirmativas abaixo e assinale a alternativa correta:
I - Umas das fases do processo de aprendizagem das redes de Kohonen é a competição;
II - Umas das fases do processo de aprendizagem das redes de Kohonen é a adaptação;
III - Umas das fases do processo de aprendizagem das redes de Kohonen é a cooperação.
Todas as afirmativas estão corretas.