Inteligência Artificial - Simulado 02

Prévia do material em texto

10/11/2015 BDQ Prova
http://simulado.estacio.br/bdq_simulados_ead_ens_preview.asp?cript_hist=3438083550 1/4
   INTELIGÊNCIA ARTIFICIAL
Simulado: CCT0296_SM_201301085651 V.1   Fechar
Aluno(a): JEFFERSON BARBOSA DIAS Matrícula: 201301085651
Desempenho: 7,0 de 8,0 Data: 06/11/2015 16:18:56 (Finalizada)
  1a Questão (Ref.: 201301248218)
Faça uma comparação entre a capacidade de generalização e o número de nós da rede tipo Perceptrons de
Múltiplas Camadas (MLP) com o algoritmo Backpropagation
Sua Resposta: Não sei como fazer.
Compare com a sua resposta: Com menos nós, a rede é mais genérica, mas o erro para o conjunto de
treinamento é maior
  2a Questão (Ref.: 201301841742)
Apesar das observações interessantes de Minsky e Papert em 1969 quanto à aplicabilidade das redes, os
autores não sugeriram nenhum método que fosse capaz de encontrar os parâmetros de uma rede com mais de
uma camada. Tal algoritmo só surgiu a partir das pesquisas independentes de Paul Werbos (1974) e Rumelhart,
Willians e Hinton (1986). O que estes autores propuseram foi um método de propagar o erro da camada de
saída (que conhecemos) para a(s) camada(s) oculta(s). Desta forma, tornou­se novamente possível alterar os
parâmetros de todas as camadas da rede, a partir do erro na saída, ou seja, procurando­se, como nas redes de
uma só camada, qual é a alteração dos parâmetros que minimiza o erro na saída da rede. Com qual nome este
algoritmo de treinamento ficou conhecido?
Sua Resposta: Algoritmo Backpropagation.
Compare com a sua resposta: O algoritmo de treinamento ficou conhecido como Backpropagation.
  3a Questão (Ref.: 201301329431) Pontos: 0,0  / 1,0
Com base no conhecimento sobre Redes Neurais Artificiais, considere as afirmativas a seguir.
 
I. A função booleana ou exclusivo (XOR) pode ser implementada usando uma rede perceptron de camada única.
II. Redes Neurais Artificiais do tipo MLP (Multilayer Perceptron) são capazes de classificar padrões de entrada não linearmente separáveis.
III. Retropropagação (backpropagation) é um algoritmo de aprendizagem supervisionada.
 
Assinale a alternativa CORRETA.
Somente as afirmativas I e III são corretas.
Somente a afirmativas II é correta.
Somente as afirmativas I é correta.
  Somente as afirmativas I e II são corretas.
  Somente as afirmativas II e III são corretas.
 Gabarito Comentado.
10/11/2015 BDQ Prova
http://simulado.estacio.br/bdq_simulados_ead_ens_preview.asp?cript_hist=3438083550 2/4
  4a Questão (Ref.: 201301717751) Pontos: 1,0  / 1,0
Sejam dois cromossomos de 6 bits A=001100 e B=110011, após um processo de crossover simples com ponto
de corte após o terceiro bit, quais serão os novos indivíduos após o cruzamento?
001110 e 111000
000000 e 111111
001100 e 110011
000111 e 111000
  001011 e 110100
 Gabarito Comentado.
  5a Questão (Ref.: 201301248184) Pontos: 1,0  / 1,0
Nas redes tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation, entre os padrões de
dados usados, uma parte, conhecida como padrões de validação, é tratado em separado e não é aplicado na
fase de treinamento para ajuste dos pesos sinápticos. Qual é o objetivo principal em utilizar estes padrões? 
I ­ Aumentar a precisão das respostas produzidas pelo aumento dos padrões utilizados 
II ­ Validar as entradas da rede para determinar o erro por ela produzido 
III ­ Determinar o ponto de parada do treinamento para evitar o sobre­treinamento 
De acordo com a abordagem, assinale a opção CORRETA:
Somente os itens II e III estão corretos.
Somente os itens I e III estão corretos.
Somente o item I está correto.
Somente o item II está correto.
  Somente o item III está correto.
  6a Questão (Ref.: 201301735399) Pontos: 1,0  / 1,0
São considerados parâmetros importantes no projeto de uma rede neural artificial:
Assinale e alternativa INCORRETA.
Quantidade de neurônios
Representação dos dados
  Função de pertinência
Quantidade de camadas
Topologia da rede
  7a Questão (Ref.: 201301735398) Pontos: 1,0  / 1,0
Na fase de treinamento das redes neurais artificiais, pode­se afirmar que:
Assinale e alternativa INCORRETA.
Após o treinamento são os pesos que armazenam o conhecimento que permite à rede tomar decisões
corretas .
  No aprendizado não supervisionado o ajuste de erro encontrado ocorre ao confrontar a saída da rede
com o dado fornecido como objetivo para a rede.
Cada tipo de treinamento é adequado a um tipo específico de topologia.
10/11/2015 BDQ Prova
http://simulado.estacio.br/bdq_simulados_ead_ens_preview.asp?cript_hist=3438083550 3/4
A rede aprende a partir dos dados que são apresentados durante o processo de treinamento.
O aprendizado implica na alteração dos pesos das conexões.
  8a Questão (Ref.: 201301853010) Pontos: 1,0  / 1,0
As redes neurais possuem arquiteturas baseadas em blocos construtivos semelhantes entre si e que realizam o
processamento de forma paralela. Em relação às redes neurais: 
I ­ No aprendizado não supervisionado, os exemplos de entradas e suas respectivas saídas são usados no
treinamento da rede neural. 
II ­ As regras de aprendizado são esquemas de atualização dos valores do pesos das sinapses de um algoritmo
genético. 
III ­ O treinamento é o modo pelo qual o sistema computacional neural aprende a respeito da informação que
ele precisará, a fim de resolver certos problemas. 
É correto afirmar que:
I e II são verdadeiras
I é verdadeira
II é verdadeira
I e III são verdadeiras
  III verdadeira
  9a Questão (Ref.: 201301248181) Pontos: 1,0  / 1,0
Nas redes tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation, o que pode acarretar
para a qualidade da rede treinada, o treinamento além do ponto desejado? 
I ­ A rede começa a confundir os padrões de entrada 
II ­ A rede se torna melhor e mais genérica, mas há um custo computacional grande 
III ­ Diminuição da capacidade de generalização da rede 
De acordo com a abordagem, assinale a opção CORRETA:
Somente os itens I e II estão corretos.
Somente o item II está correto.
Somente os itens I e III estão corretos.
  Somente o item III está correto.
Somente o item I está correto.
  10a Questão (Ref.: 201301230395) Pontos: 1,0  / 1,0
Considere a rede com neurônios de McCulloch­Pitts abaixo, na qual cada neurônio possui o patamar  = 0. Para os pares de valores
das entradas (xA e xB) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3?
 
 
10/11/2015 BDQ Prova
http://simulado.estacio.br/bdq_simulados_ead_ens_preview.asp?cript_hist=3438083550 4/4
  (0,1,1,0)
(1,1,1,0)
(0,0,0,1)
(1,0,0,1)
(0,1,0,1)
 Gabarito Comentado.