Redes Neurais Artificiais (rna)

Prévia do material em texto

Você acertou 10 de 10 questões
Verifique o seu desempenho e continue treinando! Você pode refazer o exercício quantas
vezes quiser.
Verificar Desempenho
A
B
1 Marcar para revisão
As Redes neurais artificiais são muito utilizadas para encontrar soluções e escalar
processos para facilitar a tomada de decisões. Dentre as opções abaixo, qual a opção que
representa uma desvantagem das redes neurais artificiais?
Requer alto poder computacional
A rede neural aprende com os dados analisados e não requer reprogramação
Questão 1 de 10
Corretas (10)
Em branco (0)
1 2 3 4 5
6 7 8 9 10
Lista de exercícios Redes Neurais Artificiais (rna) Sair
C
D
E
Funciona bem com dados lineares e não lineares
Arquitetura facilmente adaptável a vários domínios de problemas
As redes neurais funcionam mesmo que uma ou algumas unidades não
respondam à rede
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
A alternativa correta é a letra A. As redes neurais artificiais, apesar de serem
extremamente úteis e eficientes para a resolução de problemas complexos, possuem
como desvantagem a necessidade de alto poder computacional. Isso significa que,
para funcionarem de maneira eficaz, elas demandam um grande volume de recursos
computacionais, o que pode implicar em custos elevados para a sua implementação e
manutenção. Portanto, essa é uma limitação importante a ser considerada ao se optar
pelo uso de redes neurais artificiais.
2 Marcar para revisão
A
B
C
D
E
Nessa arquitetura de rede neural artificial, uma sequência de entradas entra em uma
camada e é multiplicada por pesos e, em seguida, cada valor é somado para obter uma
soma de valores de entrada ponderados. Caso a soma dos valores esteja acima de um
determinado limite, normalmente definido como zero, o valor resultante será normalmente 1
e, caso a soma esteja abaixo do limite, o valor de saída será -1. Essa arquitetura de rede
neural artificial geralmente aparece em sua forma mais simples como um perceptron de
camada única.
Assinale a alternativa que corresponde, corretamente, a essa definição?
Rede competitiva
Rede concorrente
Rede ativa
Rede Neural Feed Forward
Feed Backward Network (Rede Recorrente)
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
A
B
C
Gabarito Comentado
A definição apresentada no enunciado descreve a arquitetura de uma Rede Neural
Feed Forward. Nesse tipo de rede, os dados de entrada são processados em uma
única direção, da camada de entrada para a camada de saída, passando por eventuais
camadas ocultas. A soma ponderada das entradas, seguida da aplicação de uma
função de ativação (neste caso, uma função degrau), é uma característica típica dessa
arquitetura. A menção ao perceptron de camada única também é uma pista, pois este
é um exemplo simples de uma Rede Neural Feed Forward.
3 Marcar para revisão
Nesse tipo de aprendizado, os modelos resultantes envolvem atividades como: o
agrupamento de exemplos semelhantes (clustering), redução de dimensionalidade e
estimativa de densidade. Qual o tipo de aprendizado estamos nos referindo?
Aprendizado inicial
Aprendizado supervisionado
Aprendizado não supervisionado
D
E
Backpropagation (retropropagation)
Aprendizado oculto
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
O tipo de aprendizado ao qual a questão se refere é o aprendizado não
supervisionado. Este tipo de aprendizado é caracterizado por modelos que realizam
atividades como o agrupamento de exemplos semelhantes (clustering), redução de
dimensionalidade e estimativa de densidade. Diferentemente do aprendizado
supervisionado, onde os dados são rotulados e o modelo é treinado para prever um
resultado específico, no aprendizado não supervisionado, o modelo aprende e
encontra padrões nos dados sem rótulos, inferindo conclusões a partir deles.
4 Marcar para revisão
Esse componente de uma rede neural artificial mapeia corretamente a camada anterior
para as restrições da próxima (geralmente 0/1). Esse componente é definido como uma
A
B
C
D
E
mudança não linear nos valores antes de enviar os valores de resultado. Essa definição é
relativa a qual componente de uma rede neural artificial (RNA)?
Viés (Bias)
Camada de pesos (Weight layer)
Activation function (Função de ativação)
Camada de saída (Output layer)
Camada oculta (Hidden layer)
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
A definição apresentada no enunciado se refere ao componente conhecido como
função de ativação (Activation function) em uma rede neural artificial. Este
componente tem a função de mapear os dados da camada anterior para as restrições
da próxima camada, que geralmente são 0 ou 1. Isso é feito através de uma
A
B
C
transformação não linear dos valores, antes de serem enviados como resultados.
Portanto, a alternativa correta é a letra C: Activation function (Função de ativação).
5 Marcar para revisão
Nesse tipo de rede neural artificial, os neurônios são combinados em uma estrutura em
camadas, cada uma com um número diferente de neurônios. O vetor de valores de entrada
x passa pela camada inicial e são combinadas com os pesos iniciais em uma soma
ponderada e submetidas à função de ativação, cujos valores de saída são ligados às
entradas da camada seguinte, percorrendo todas as camadas ocultas (Hidden layers), até a
rede fornecer como resultado os valores de saída da última camada ou camada de saída
(output layer). Qual tipo de rede neural artificial corresponde a esta definição?
Redes Neurais Recorrentes (Recurrent Neural Network)
LSTM (Long Short Term Memory)
Rede de Jordan
D
E
Rede de Kohonen
Redes Perceptron de Multicamadas (Redes Multilayer Perceptron)
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
A descrição apresentada no enunciado corresponde à definição de uma Rede
Perceptron de Multicamadas. Esta rede neural é caracterizada por sua estrutura em
camadas, onde cada camada contém um número específico de neurônios. O processo
de entrada de dados ocorre em uma camada inicial, onde os valores são combinados
com pesos iniciais em uma soma ponderada e, em seguida, submetidos a uma função
de ativação. Os valores de saída desta função são então ligados às entradas da
próxima camada, e este processo se repete através de todas as camadas ocultas até
que a rede forneça os valores de saída da última camada ou camada de saída.
Portanto, a alternativa correta é a E: Redes Perceptron de Multicamadas (Redes
Multilayer Perceptron).
6 Marcar para revisão
A
B
C
As Redes Neurais Artificiais têm sido amplamente usadas, por exemplo, em tarefas de
reconhecimento de imagem, diagnóstico na medicina, processamento de linguagem
natural, previsão de séries temporais, e têm uma infinidade de aplicações possíveis. Você
já se perguntou como funcionam os sistemas de reconhecimento de imagem e voz? Como
um aplicativo do seu celular faz para detectar rostos, ou um mecanismo de buscas sugere
um termo?
Entendendo que as redes neurais artificiais possuem vantagens e desvantagens, analise as
afirmativas a seguir:
I. Requer muitos dados de treinamento limpos.
II. Arquitetura facilmente adaptável a vários domínios de problemas.
III. Dificuldade na interpretação dos resultados.
IV. A rede neural aprende com os dados analisados e não requer reprogramação.
V. Requer alto poder computacional.
Assinale a seguir a alternativa que apresenta apenas as afirmativas relacionadas às
vantagens das redes neurais artificiais:
I, II, III e IV, apenas.
II, III e IV, apenas.
I e V, apenas.
D
E
II e IV, apenas.
II, apenas.
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
As redes neuraisartificiais são ferramentas poderosas que têm uma ampla gama de
aplicações em diversos campos. No entanto, como qualquer ferramenta, elas têm suas
vantagens e desvantagens. Neste contexto, é importante identificar as vantagens das
redes neurais artificiais para que possam ser efetivamente utilizadas. As afirmativas II
e IV destacam essas vantagens. A afirmativa II ressalta a flexibilidade das redes
neurais artificiais, que podem ser adaptadas para resolver uma variedade de
problemas em diferentes domínios. A afirmativa IV destaca a capacidade de
aprendizado das redes neurais, que podem aprender com os dados analisados sem a
necessidade de reprogramação. Portanto, a alternativa correta é a D, que inclui apenas
essas duas afirmativas.
7 Marcar para revisão
A
B
C
D
E
Normalmente, a rede neural artificial é configurada em camadas. As camadas são
compostas de vários "nós" interconectados, cada um com uma "função de ativação".
Como é chamada a camada onde ocorre o resultado final do processamento de uma rede
neural artificial?
Camada oculta (Hidden layer)
Camada de entrada (Input layer)
Camada de pesos (Weight layer)
Camada de retropropagação
Camada de saída (Output layer)
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
A camada onde ocorre o resultado final do processamento de uma rede neural artificial
é denominada "Camada de saída" ou "Output layer". Esta camada é essencial em
qualquer tipo de rede neural, pois é nela que os resultados do processamento da rede
A
B
C
D
E
são apresentados. Portanto, a alternativa correta é a letra E: "Camada de saída (Output
layer)".
8 Marcar para revisão
Uma rede varejista possui 32 lojas no estado do Rio de Janeiro e está planejando a
construção de uma rede neural artificial para realizar o agrupamento (clustering) e
segmentação de seus clientes. Nesse projeto, é necessário que a rede aprenda e encontre
padrões e tire conclusões dos dados não rotulados. Essa rede neural usará qual tipo de
aprendizado?
Aprendizado supervisionado
Aprendizado de pesos
Aprendizado inicial
Aprendizado não supervisionado
Aprendizado final
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
O tipo de aprendizado que a rede neural usará é o aprendizado não supervisionado.
Esse tipo de aprendizado é caracterizado pela ausência de um "professor" ou
"supervisor" para guiar o processo de aprendizado. A rede neural é alimentada com
dados não rotulados e deve encontrar padrões e tirar conclusões por conta própria. No
contexto da questão, a rede neural artificial será usada para agrupar e segmentar
clientes, tarefas que são comumente realizadas através do aprendizado não
supervisionado.
9 Marcar para revisão
Em uma rede neural artificial, a função de ativação é uma mudança não linear nos valores
antes de enviar os valores de resultado. É uma função que mapeia corretamente a camada
anterior para as restrições (geralmente 0/1) da próxima camada, usada para dar ao modelo
o "efeito de camada oculta", o poder real de "ativar" a rede neural artificial. Qual das
opções abaixo é uma função de ativação?
A
B
C
D
E
Backpropagation
Bias
Feed Forward
Feed Backward Network
Sigmoid
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
A função de ativação é uma ferramenta matemática aplicada à entrada de cada
neurônio em uma rede neural artificial. Sua principal função é transformar os valores
de entrada em saída, permitindo que o modelo aprenda e realize tarefas complexas,
como a classificação de imagens ou a geração de texto. A função de ativação é uma
função não-linear que adiciona complexidade e melhora a capacidade de aprendizado
do modelo. Existem várias funções de ativação, como a função sigmóide e a ReLU
(Rectified Linear Unit). A função sigmóide, por exemplo, é comumente utilizada para
modelos de classificação binária, enquanto a ReLU é frequentemente usada para
A
B
C
D
E
modelos de classificação multi-classe. Dentre as opções apresentadas, a única que
representa uma função de ativação é a Sigmoid.
10 Marcar para revisão
As redes neurais artificiais são constituídas de camadas e cada camada possui vários nós
interconectados. Qual componente abaixo pode ser encontrado em uma rede neural
artificial?
Função de ativação (Activation function)
Camada de retorno (Feedback layer)
Camada de retropropagação (Backpropagation layer)
Camada de processamento (Processing layer)
Camada de consolidação (Consolidation layer)
Resposta correta
Parabéns, você selecionou a alternativa correta. Confira o gabarito comentado!
Gabarito Comentado
Entre as opções apresentadas, a função de ativação (Activation function) é o único
componente que realmente faz parte de uma rede neural artificial. A função de
ativação é um elemento crucial em redes neurais, pois é responsável por transformar o
input recebido em um output. Ela é aplicada a cada nó da rede e determina se esse nó
deve ser ativado ou não, baseando-se no peso dos inputs. As outras alternativas não
são componentes típicos de uma rede neural.