Logo Passei Direto
Buscar

Perceptron e Redes Neurais

Ferramentas de estudo

Questões resolvidas

Um perceptron simples, com duas entradas e uma saída para classificar “+1” ou “-1”, sem camada oculta, possui os valores de pesos e a tabela com as 4 (quatro) amostras descritos a seguir. Com base no preenchimento da tabela de amostras de acordo com as fórmulas o perceptron simples, marque as afirmacoes com “V” ou “F” e depois assinale a alternativa correta.
O perceptron classifica erroneamente as amostras “2” e “3”. O perceptron tem o somatório do erro quadrático igual a 8. As amostras “1” e “2” são classificadas corretamente. Para a amostra 2, d=2,9. Para a amostra “3”, d=1.
( ) O perceptron classifica erroneamente as amostras “2” e “3”.
( ) O perceptron tem o somatório do erro quadrático igual a 8.
( ) As amostras “1” e “2” são classificadas corretamente.
( ) Para a amostra 2, d=2,9.
( ) Para a amostra “3”, d=1.
A V-V-V-F-F
B F-F-F-V-V
C F-V-V-F-V
D V-V-F-F-V
E V-V-V-F-V

Suponha o sistema abaixo em PROLOG para a descoberta de conhecimento sobre árvore genealógica. Existe a cláusula “progenitor” indicando que o indivíduo no primeiro argumento é progenitor do indivíduo no segundo argumento. Duas regras são criadas para inferir “irmão” e “primo”, a partir de “progenitor”.
Após a execução deste programa no PROLOG, assinale as consultas a seguir com “V” para verdadeira ou “F” para falsa:
( ) irmão(Maria,Sandro).
( ) primo(Maria, Sandro).
( ) progenitor(José, Y), com Y = Luiz, Y = Carlos.
( ) primo(Carlos, Luiz).
( ) progenitor(Maria,Y).
A V-V-V-F-F
B F-V-V-F-F
C F-V-V-V-F
D F-V-V-F-V
E F-F-F-V-V

Assinale as afirmações a seguir com “V” para verdadeiro ou “F” para falso e depois marque a alternativa correta:
( ) Num sistema PROLOG, o componente de controle estabelece como a solução pode ser obtida.
( ) Num sistema PROLOG, o componente lógico estabelece como a solução pode ser obtida.
( ) Uma cláusula pode ser um fato, regra ou consulta.
( ) “filho(X,Y) :- pai(Y,X). “ é um fato.
( ) A programação procedural é o paradigma fundamental da programação em lógica.
A F-V-V-F-F
B V-F-V-F-V
C V-F-V-V-F
D V-F-V-F-F
E V-V-V-V-F

Podemos conceituar uma rede neural artificial como um processador maciçamente e paralelamente distribuído constituído de unidades de processamento simples, que têm a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o uso.
São propriedades de uma rede neural artificial:
A Não-linearidade, mapeamento entrada-saída, seleção, mutação e resposta a evidências
B Não-linearidade, mapeamento entrada-saída, mecanismo de inferência e adaptabilidade
C Não-linearidade, mapeamento entrada-saída, adaptabilidade e resposta a evidências
D Seleção, mutação, crossover, população e fitness

Material
páginas com resultados encontrados.
páginas com resultados encontrados.
left-side-bubbles-backgroundright-side-bubbles-background

Crie sua conta grátis para liberar esse material. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

left-side-bubbles-backgroundright-side-bubbles-background

Crie sua conta grátis para liberar esse material. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

left-side-bubbles-backgroundright-side-bubbles-background

Crie sua conta grátis para liberar esse material. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

left-side-bubbles-backgroundright-side-bubbles-background

Crie sua conta grátis para liberar esse material. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Questões resolvidas

Um perceptron simples, com duas entradas e uma saída para classificar “+1” ou “-1”, sem camada oculta, possui os valores de pesos e a tabela com as 4 (quatro) amostras descritos a seguir. Com base no preenchimento da tabela de amostras de acordo com as fórmulas o perceptron simples, marque as afirmacoes com “V” ou “F” e depois assinale a alternativa correta.
O perceptron classifica erroneamente as amostras “2” e “3”. O perceptron tem o somatório do erro quadrático igual a 8. As amostras “1” e “2” são classificadas corretamente. Para a amostra 2, d=2,9. Para a amostra “3”, d=1.
( ) O perceptron classifica erroneamente as amostras “2” e “3”.
( ) O perceptron tem o somatório do erro quadrático igual a 8.
( ) As amostras “1” e “2” são classificadas corretamente.
( ) Para a amostra 2, d=2,9.
( ) Para a amostra “3”, d=1.
A V-V-V-F-F
B F-F-F-V-V
C F-V-V-F-V
D V-V-F-F-V
E V-V-V-F-V

Suponha o sistema abaixo em PROLOG para a descoberta de conhecimento sobre árvore genealógica. Existe a cláusula “progenitor” indicando que o indivíduo no primeiro argumento é progenitor do indivíduo no segundo argumento. Duas regras são criadas para inferir “irmão” e “primo”, a partir de “progenitor”.
Após a execução deste programa no PROLOG, assinale as consultas a seguir com “V” para verdadeira ou “F” para falsa:
( ) irmão(Maria,Sandro).
( ) primo(Maria, Sandro).
( ) progenitor(José, Y), com Y = Luiz, Y = Carlos.
( ) primo(Carlos, Luiz).
( ) progenitor(Maria,Y).
A V-V-V-F-F
B F-V-V-F-F
C F-V-V-V-F
D F-V-V-F-V
E F-F-F-V-V

Assinale as afirmações a seguir com “V” para verdadeiro ou “F” para falso e depois marque a alternativa correta:
( ) Num sistema PROLOG, o componente de controle estabelece como a solução pode ser obtida.
( ) Num sistema PROLOG, o componente lógico estabelece como a solução pode ser obtida.
( ) Uma cláusula pode ser um fato, regra ou consulta.
( ) “filho(X,Y) :- pai(Y,X). “ é um fato.
( ) A programação procedural é o paradigma fundamental da programação em lógica.
A F-V-V-F-F
B V-F-V-F-V
C V-F-V-V-F
D V-F-V-F-F
E V-V-V-V-F

Podemos conceituar uma rede neural artificial como um processador maciçamente e paralelamente distribuído constituído de unidades de processamento simples, que têm a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o uso.
São propriedades de uma rede neural artificial:
A Não-linearidade, mapeamento entrada-saída, seleção, mutação e resposta a evidências
B Não-linearidade, mapeamento entrada-saída, mecanismo de inferência e adaptabilidade
C Não-linearidade, mapeamento entrada-saída, adaptabilidade e resposta a evidências
D Seleção, mutação, crossover, população e fitness

Prévia do material em texto

Questão 1/5 - Inteligência Artificial Aplicada
Um perceptron simples, com duas entradas e uma saída para classificar “+1” ou “-1”, sem camada oculta, possui os valores de pesos e a tabela com as 4 (quatro) amostras descritos a seguir. Com base no preenchimento da tabela de amostras de acordo com as fórmulas o perceptron simples, marque as afirmações com “V” ou “F” e depois assinale a alternativa correta.
 
	w1
	w2
	w0
	0.45
	0.10
	-1
 
	Amostra
	x1
	x2
	d
	f
	o
	e
	e2
	1
	8
	3
	 
	 
	1
	 
	 
	2
	1
	3
	 
	 
	-1
	 
	 
	3
	4
	2
	 
	 
	-1
	 
	 
	4
	1
	1
	 
	 
	1
	 
	 
 
(     ) O perceptron classifica erroneamente as amostras “2” e “3”.
(     ) O perceptron tem o somatório do erro quadrático igual a 8.
(     ) As amostras “1” e “2” são classificadas corretamente.
(     ) Para a amostra 2, d=2,9.
(     ) Para a amostra “3”, d=1.
	
	A
	V-V-V-F-F
	
	B
	F-F-F-V-V
	
	C
	F-V-V-F-V
	
	D
	V-V-F-F-V
	
	E
	V-V-V-F-V
Questão 2/5 - Inteligência Artificial Aplicada
Assinale as afirmações a seguir com “V” para verdadeiro ou “F” para falso e depois marque a alternativa correta:
 
(     ) A separabilidade linear de um perceptron simples permite constatar se o mesmo conseguirá dividir corretamente o espaço de classificação com uma reta.
(     ) O método de aprendizagem por correção de erros aumenta a força dos pesos positivamente correlacionados ou diminui daqueles negativamente correlacionados.
(     ) A função sigmoide é um tipo de função de transferência para RNA.
(     ) A taxa de aprendizagem permite que uma pequena parcela do erro de classificação seja propagada de volta no perceptron.
(     ) O problema do XOR só consegue ser classificado corretamente por um perceptron simples se colocarmos uma camada oculta.
	
	A
	V-F-V-V-V
	
	B
	V-F-V-V-F
	
	C
	F-F-F-V-V
	
	D
	F-V-V-F-V
	
	E
	F-F-F-V-F
	1C
	2A
	3(?)
	4(?)
	5(?)
Questão 3/5 - Inteligência Artificial Aplicada
Suponha o sistema abaixo em PROLOG para a descoberta de conhecimento sobre árvore genealógica. Existe a cláusula “progenitor” indicando que o indivíduo no primeiro argumento é progenitor do indivíduo no segundo argumento. Duas regras são criadas para inferir “irmão” e “primo”, a partir de “progenitor”.
progenitor(José, Luiz).
progenitor(José, Carlos).
progenitor(Carlos, Maria).
progenitor(Luiz,Sandro).
 
irmão(X,Y) :- progenitor(Z,X),progenitor(Z,Y).
primo(X,Y) :- progenitor(Z,X),progenitor(W,Y), irmão(Z,W).
Após a execução deste programa no PROLOG, assinale as consultas a seguir com “V” para verdadeira ou “F” para falsa:
(     ) irmão(Maria,Sandro).
(     ) primo(Maria, Sandro).
(     ) progenitor(José, Y), com Y = Luiz, Y = Carlos.
(     ) primo(Carlos, Luiz).
(     ) progenitor(Maria,Y).
 
	
	A
	V-V-V-F-F
	
	B
	F-V-V-F-F
	
	C
	F-V-V-V-F
	
	D
	F-V-V-F-V
	
	E
	F-F-F-V-V
Questão 4/5 - Inteligência Artificial Aplicada
Assinale as afirmações a seguir com “V” para verdadeiro ou “F” para falso e depois marque a alternativa correta:
 
(     ) Num sistema PROLOG, o componente de controle estabelece como a solução pode ser obtida.
(     ) Num sistema PROLOG, o componente lógico estabelece como a solução pode ser obtida.
(     ) Uma cláusula pode ser um fato, regra ou consulta.
(     ) “filho(X,Y) :- pai(Y,X). “ é um fato.
(     ) A programação procedural é o paradigma fundamental da programação em lógica.
	
	A
	F-V-V-F-F
	
	B
	V-F-V-F-V
	
	C
	V-F-V-V-F
	
	D
	V-F-V-F-F
	
	E
	V-V-V-V-F
Questão 5/5 - Inteligência Artificial Aplicada
Podemos conceituar uma rede neural artificial como um processador maciçamente e paralelamente distribuído constituído de unidades de processamento simples, que têm a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o uso. São propriedades de uma rede neural artificial:
	
	A
	Não-linearidade, mapeamento entrada-saída, seleção, mutação e resposta a evidências
	
	B
	Não-linearidade, mapeamento entrada-saída, mecanismo de inferência e adaptabilidade
	
	C
	Não-linearidade, mapeamento entrada-saída, adaptabilidade e resposta a evidências
	
	D
	Seleção, mutação, crossover, população e fitness

Mais conteúdos dessa disciplina