Exercícios 05 NOTA 100

Prévia do material em texto

Questão 1/5 - Inteligência Artificial Aplicada
Relacione os conceitos de AG com as afirmações a seguir e depois marque a alternativa correta: 
 
I. Seleção 
 II. Crossover 
 III. Mutação 
 IV. Gene
 V. Fitness
 
 
 
( ) Compõe um cromossomo, referindo-se geralmente a um bit.
 
( ) Altera levemente a característica de um individuo.
 
( ) Uma medida de quão boa é a adaptação ou adequação de um indivíduo.
 
( ) Ocorre pela mistura de dois (ou mais) indivíduos.
 
( ) Análogo à sobrevivência dos mais adaptados no mundo natural.
Nota: 20.0
A V-III-IV-I-II
B IV-V-II-I-III
C III-V-II-IV-I
D IV-III-V-II-I
Questão 2/5 - Inteligência Artificial Aplicada
Examine o quadro a seguir, contendo a representação do cromossomo e o resultado da avaliação pel
função objetivo durante uma geração qualquer, em um processo de maximização por AG, e respond
questões:
 
 
Você acertou!
A seleção é análoga à sobrevivência dos mais
adaptados no mundo natural. O crossover
ocorre pela mistura de dois (ou mais) indivíduos.
A mutação altera levemente a característica de
um individuo. Um gene compõe um
cromossomo, referindo-se geralmente a um bit.
O fitness é uma medida de quão boa é a
adaptação ou adequação de um indivíduo.
 
Cromossomo Função objetivo
001011 5
111001 -3
011011 0
001010 2
111110 -4
011111 -1
 
 
 
Assinale a alternativa que conterá, após a reordenação, 33% da população a qual será considerada p
a próxima geração:
Nota: 20.0
A 001011 (5) e 001010 (2)
B 111110 (-4) e 111001 (-3)
C 001011 (5) e 111110 (-4)
D 011011 (2) e 001010 (0)
E 011011 (3) e 001000 (4)
Questão 3/5 - Inteligência Artificial Aplicada
No caso de um AG utilizar como alfabeto a numeração hexadecimal com 10 genes, qual o cromossom
abaixo seria um exemplo de representação de um indivíduo:
Nota: 20.0
A 11AF09921B
B 11ABFH4550
Você acertou!
A reordenação por ordem descendente fará com
que a população seja ordenada como 5, 2, 0, -1,
-3 e -4. Como 33% refere-se a dois indivíduos
da população, a próxima geração contará com
os indivíduos 5 e 2.
Você acertou!
pois é a única que possui genes na faixa de
representação hexadecimal
(0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F).
C FE0033LH99
D A218FF3AAG
E AA012345KJ
Questão 4/5 - Inteligência Artificial Aplicada
A arquitetura com camadas ocultas requer algoritmos de aprendizagem que contemplem a atualizaçã
dos pesos relacionados às camadas internas. O processo de ativação acontece primeiramente nas 
camadas ocultas para depois chegar até a camada de saída. A retroalimentação do erro também é fe
nos pesos que conectam a(s) camada(s) oculta(s). O algoritmo mais comum utilizado para o treiname
de um perceptron multicamada é:
Nota: 20.0
A Algoritmo de campo local induzido.
B Algoritmo de sinal funcional.
C Algoritmo de erro contínuo.
D Algoritmo de retropropagação
E Algoritmo de biopropagação induzida.
Questão 5/5 - Inteligência Artificial Aplicada
A aplicação de uma RNA a um problema qualquer com uma grande quantidade de sinais de entrada 
exige que seja feita a normalização para padronizar o cálculo internamente à RNA. Considerando a 
normalização de um sinal de entrada para um neurônio relativo à que tenha o valor mínimo de 100 (ze
o sinal máximo de 10000 e um valor qualquer de entrada de 3450, o valor normalizado para esta entr
específica (com duas casas decimais) será de:
Nota: 20.0
Você acertou!
O algoritmo envolve o processo chamado de
descida de gradiente. Este processo busca
calcular o gradiente local do erro (a direção para
onde tende a crescer o valor do erro médio
calculado), utilizando-o para corrigir os pesos
sinápticos na direção contrária a este gradiente,
em busca do erro mínimo local. O cálculo do
campo local induzido é somente uma parte do
algoritmo de retropropagação, sendo a
propagação do sinal dos neurônios para a
próxima camada à frente. O sinal funcional é o
sinal apresentado à camada de entrada
referente aos atributos do vetor de amostras,
que propaga-se para a frente na rede, nó por nó,
ativando os neurônios até a camada de saída.
A 0,56
B 0,38
C 0,34
D 3,45
E 1,00
Você acertou!
Utiliza-se a fórmula para o cálculo da
normalização de uma entrada de RNA: