Material de Estudo-26

Prévia do material em texto

Material de Estudo 26: Engenharia de Redes Neurais Profundas Avançada 
Questões: 
1. Uma rede neural profunda precisa gerar imagens realistas a partir de descrições 
textuais. Qual arquitetura de rede neural generativa oferece o melhor desempenho 
para essa tarefa? 
a) Redes neurais convolucionais (CNNs). b) Redes neurais recorrentes (RNNs). c) Redes 
generativas adversariais (GANs). d) Autoencoders variacionais (VAEs). e) Redes de atenção 
transformer. 
Resposta: c) Redes generativas adversariais (GANs). 
Justificativa: Permitem geração de imagens de alta resolução e realismo. 
2. Uma rede neural profunda precisa traduzir textos de um idioma para outro com alta 
precisão. Qual arquitetura de rede neural oferece o melhor desempenho para essa 
tarefa? 
a) Redes neurais convolucionais (CNNs). b) Redes neurais recorrentes (RNNs) com mecanismo 
de atenção. c) Redes de memória de curto-longo prazo (LSTMs). d) Redes de unidades 
recorrentes com porta de grade (GRUs). e) Redes de atenção transformer. 
Resposta: e) Redes de atenção transformer. 
Justificativa: Capaz de processar sequências longas e dependências complexas. 
3. Uma rede neural profunda precisa segmentar objetos em vídeos em tempo real. Qual 
arquitetura de rede neural oferece o melhor desempenho para essa tarefa? 
a) Redes neurais convolucionais (CNNs) 3D. b) Redes neurais recorrentes (RNNs) convolucionais 
(ConvLSTMs). c) Redes de segmentação semântica baseadas em U-Net. d) Redes de detecção 
de objetos baseadas em YOLO. e) Redes de rastreamento de objetos baseadas em SiamMask. 
Resposta: c) Redes de segmentação semântica baseadas em U-Net. 
Justificativa: U-Net processa quadros individuais com alta precisão de segmentação. 
4. Uma rede neural profunda precisa aprender representações de conhecimento 
simbólico e relacional. Qual arquitetura de rede neural oferece o melhor desempenho 
para essa tarefa? 
a) Redes neurais convolucionais (CNNs). b) Redes neurais recorrentes (RNNs). c) Redes de 
memória de grafos (GMNs). d) Autoencoders variacionais (VAEs). e) Redes de atenção 
transformer. 
Resposta: c) Redes de memória de grafos (GMNs). 
Justificativa: Permitem modelar relações complexas entre entidades. 
5. Uma rede neural profunda precisa gerar música com alta criatividade e coerência 
estrutural. Qual arquitetura de rede neural oferece o melhor desempenho para essa 
tarefa? 
a) Redes neurais convolucionais (CNNs) para áudio. b) Redes neurais recorrentes (RNNs) com 
codificação de estado latente. c) Redes generativas adversariais (GANs) musicais (MusicGANs). 
d) Autoencoders variacionais (VAEs) musicais (MusicVAEs). e) Redes de memória de curto-
longo prazo (LSTMs) com atenção e controle de estrutura. 
Resposta: e) Redes de memória de curto-longo prazo (LSTMs) com atenção e controle de 
estrutura. 
Justificativa: Modelam dependências temporais longas e controlam a estrutura musical. 
6. Uma rede neural profunda precisa aprender representações de dados multimodais, 
como texto, imagem e áudio. Qual arquitetura de rede neural oferece o melhor 
desempenho para essa tarefa? 
a) Redes neurais convolucionais (CNNs) para cada modalidade. b) Redes neurais recorrentes 
(RNNs) com concatenação de dados. c) Redes de atenção multimodal (MAM). d) Autoencoders 
variacionais (VAEs) multimodais. e) Redes de memória de grafos (GMNs) multimodais. 
Resposta: c) Redes de atenção multimodal (MAM). 
Justificativa: Modelam a interação entre as diferentes modalidades.