teste de conhecimento - Inteligência Artificial- aula 10

Prévia do material em texto

1a Questão
	
	
	
	
	Nas redes tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation, qual é o principal função do termo de momento aplicado à formula de ajuste dos pesos?
		
	
	Para explorar múltiplos pontos de mínimo da função
	
	Para frear a convergência, inibindo a atração de mínimos locais e permitindo a convergência para o mínimo global
	
	Para frear a convergência para o valor de mínimo da função de erro, uma vez que uma descida mais lenta impede que se passe do ponto desejado
	 
	Para acelerar a convergência utilizando a tendência de correção do ciclo anterior
	
	Para acelerar a convergência utilizando um fator multiplicador arbitrado pelo algoritmo
	Respondido em 16/04/2020 00:53:56
	
	
	Gabarito
Coment.
	
	 
	
	 2a Questão
	
	
	
	
	Analise as seguintes afirmativas sobre redes neurais sem ciclos dirigidos, sendo n o número de neurônios e m o número de conexões.
I. Uma vez treinada, o uso da rede consiste em aplicar uma entrada e esperar até que ocorra convergência para que seja obtida a saída.
II. O processo de treinamento consiste em obter um vetor em um espaço pelo menos m -dimensional. Esse vetor é obtido por meio de um processo de otimização que busca minimizar o erro sobre as instâncias de treino.
III. O processo de treinamento consiste em obter um vetor em um espaço pelo menos m -dimensional. Esse vetor é obtido por meio de um processo de otimização que busca minimizar o erro de generalização.
A análise permite concluir que:
Escolha a alternativa correta
		
	
	Apenas a afirmativa III está correta.
	 
	Apenas a afirmativa II está correta.
	
	Todas as afirmativas estão corretas.
	
	Apenas as afirmativas II e III estão corretas.
	
	Apenas as afirmativas I e II estão corretas.
	Respondido em 16/04/2020 00:57:25
	
	
	Gabarito
Coment.
	
	 
	
	 3a Questão
	
	
	
	
	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 II está correto.
	
	Somente o item I está correto.
	
	Somente os itens II e III estão corretos.
	
	Somente o item III está correto.
	
	Somente os itens I e III estão corretos.
	Respondido em 16/04/2020 01:03:57
	
	
	 
	
	 4a Questão
	
	
	
	
	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?
 
 
		
	
	(1,0,0,1)
	
	(1,1,1,0)
	
	(0,1,0,1)
	 
	(0,1,1,0)
	
	(0,0,0,1)
	Respondido em 16/04/2020 01:06:48
	
	
	Gabarito
Coment.
	
	 
	
	 5a Questão
	
	
	
	
	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 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.
	 
	Somente o item III está correto.
	Respondido em 16/04/2020 01:16:39
	
	
	 
	
	 6a Questão
	
	
	
	
	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 memoriza os padrões aprendidos
II - Diminuição da capacidade de generalização da rede
III - Otimização do tempo computacional no treinamento
De acordo com a abordagem, assinale a opção CORRETA:
		
	
	Apenas a afirmativa III está correta.
	
	Todas as afirmativas estão corretas.
	
	Apenas a afirmativa II está correta.
	 
	Apenas as afirmativas I e II estão corretas.
	
	Apenas as afirmativas II e III estão corretas.
	Respondido em 16/04/2020 01:18:53
	
	
	Gabarito
Coment.
	
	 
	
	 7a Questão
	
	
	
	
	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 II está correto.
	 
	Somente o item III está correto.
	
	Somente os itens I e III estão corretos.
	
	Somente o item I está correto.
	
	Somente os itens I e II estão corretos.
	Respondido em 16/04/2020 01:19:53
	
	
	 
	
	 8a Questão
	
	
	
	
	Nas redes tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation, por que tal tipo de treinamento é chamado de treinamento supervisionado?
		
	
	as respostas são revisadas utilizando o conjunto de validação
	
	as entradas e saídas são embaralhadas pelo supervisor antes do treinamento
	
	é utilizado um algoritmo de supervisão dos pesos durante o treinamento
	
	todo o processo deve ser supervisionado por um especialista
	 
	as saídas desejadas são fornecidas e utilizadas para correção dos pesos
	Respondido em 16/04/2020 01:20:36
	
	
	Gabarito
Coment.