Baixe o app para aproveitar ainda mais
Prévia do material em texto
1. Considere a rede com neurônios de McCulloch-Pitts 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? (0,0,0,1) (1,1,1,0) (1,0,0,1) (0,1,1,0) (0,1,0,1) Gabarito Coment. 2. Considere a rede com neurônios de McCulloch- Pitts abaixo, na qual cada neurônio possui o patamar = 0. Para os pares de valores das entradas (x1 e x2) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3? http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp (0,1,1,1) (0,1,1,0) (1,0,0,1) (0,1,0,1) (0,0,0,1) Gabarito Coment. 3. 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 sobre-treinamento De acordo com a abordagem, assinale a opção CORRETA: Somente o item III está correto. Somente o item I está correto. Somente o item II está correto. Somente os itens II e III estão corretos. Somente os itens I e III estão corretos. http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp 4. Nas redes tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation, por que tal tipo de treinamento é chamado de treinamento supervisionado? as entradas e saídas são embaralhadas pelo supervisor antes do treinamento as respostas são revisadas utilizando o conjunto de validação todo o processo deve ser supervisionado por um especialista as saídas desejadas são fornecidas e utilizadas para correção dos pesos é utilizado um algoritmo de supervisão dos pesos durante o treinamento Gabarito Coment. 5. 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 o item III está correto. Somente os itens I e III estão corretos. Somente o item I está correto. Somente o item II está correto. Somente os itens I e II estão corretos. 6. O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp Calcular o erro na saída da rede, que equivale a uma diferença entre o valor de saída obtida na rede e o valor de saída desejado . Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente). Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra. Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. Gabarito Coment. 7. 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 - Validar as saídas da rede para determinar o erro por ela produzido II - Determinar o ponto de parada do treinamento para evitar o sobre-treinamento III - Ajudar a obter a resposta mais rapidamente De acordo com a abordagem, assinale a opção CORRETA: Somente o item III está correto. Somente o item II está correto. Somente os itens II e III estão corretos. Somente o item I está correto. Somente os itens I e III estão corretos. 8. Com relação ao conjunto de dados utilizados por uma rede neural artificial de aprendizado supervisionado, analise as seguintes afirmativas: I - A atualização dos pesos dos neurônios ocorre em ambos os conjuntos de treinamento e validação. II - O conjunto de treinamento deve ser apresentado à rede diversas vezes, isto é, em diversas épocas. III - O conjunto de validação é utilizado para testar a capacidade de generalização da rede, isto é, se ela aprendeu padrões testando-se dados não presentes no conjunto de treinamento. Assinale a alternativa correta: http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp http://simulado.estacio.br/bdq_simulados_exercicio.asp As afirmativas I e II estão corretas Somente a afirmativa II está correta Somente a afirmativa III está correta As afirmativas II e III estão corretas Somente a afirmativa I está correta
Compartilhar