Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 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 I está correto. Somente o item III está correto. Somente o item II está correto. Somente os itens II e III estão corretos. Somente os itens I e III estão corretos. Respondido em 11/10/2020 06:06:25 2 Questão 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: Somente a afirmativa II está correta Somente a afirmativa III está correta Somente a afirmativa I está correta As afirmativas II e III estão corretas As afirmativas I e II estão corretas Respondido em 11/10/2020 06:06:29 Gabarito Comentado 3 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. 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 . Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra. Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente). Respondido em 11/10/2020 06:06:31 Gabarito Comentado 4 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 I está correto. Somente o item II está correto. Somente os itens I e II estão corretos. Somente os itens I e III estão corretos. Somente o item III está correto. Respondido em 11/10/2020 06:06:35 5 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 saídas desejadas são fornecidas e utilizadas para correção dos pesos todo o processo deve ser supervisionado por um especialista as respostas são revisadas utilizando o conjunto de validação é utilizado um algoritmo de supervisão dos pesos durante o treinamento as entradas e saídas são embaralhadas pelo supervisor antes do treinamento Respondido em 11/10/2020 06:06:39 Gabarito Comentado 6 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 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 um fator multiplicador arbitrado pelo algoritmo Para acelerar a convergência utilizando a tendência de correção do ciclo anterior Para explorar múltiplos pontos de mínimo da função Respondido em 11/10/2020 06:06:43 Gabarito Comentado 7 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 as afirmativas II e III estão corretas. Apenas as afirmativas I e II estão corretas. Apenas a afirmativa III está correta. Todas as afirmativas estão corretas. Apenas a afirmativa II está correta. Respondido em 11/10/2020 06:06:45 Gabarito Comentado 8 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 as afirmativas II e III estão corretas. Todas as afirmativas estão corretas. Apenas a afirmativa II está correta. Apenas a afirmativa III está correta. Apenas as afirmativas I e II estão corretas. 1 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 (x1 e x2) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3? (1,0,0,1) (0,1,1,1) (0,1,0,1) (0,0,0,1) (0,1,1,0) Respondido em 16/11/2020 05:39:45 Gabarito Comentado 2 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. 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 . Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente). Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra. Respondido em 16/11/2020 05:39:49 Gabarito Comentado 3 Questão 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 ambosos 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: As afirmativas I e II estão corretas Somente a afirmativa III está correta As afirmativas II e III estão corretas Somente a afirmativa II está correta Somente a afirmativa I está correta Respondido em 16/11/2020 05:39:54 Gabarito Comentado 4 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 II está correta. Apenas as afirmativas I e II estão corretas. Apenas as afirmativas II e III estão corretas. Apenas a afirmativa III está correta. Todas as afirmativas estão corretas. Respondido em 16/11/2020 05:39:56 Gabarito Comentado 5 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 I está correto. Somente os itens I e II estão corretos. Somente o item II está correto. Somente o item III está correto. Somente os itens I e III estão corretos. Respondido em 16/11/2020 05:40:01 6 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 III está correto. Somente os itens I e III estão corretos. Somente o item I está correto. Somente os itens II e III estão corretos. Respondido em 16/11/2020 05:40:06 7 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 I está correto. Somente o item III está correto. Somente os itens I e III estão corretos. Somente os itens II e III estão corretos. Somente o item II está correto. Respondido em 16/11/2020 05:40:08 8 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 as afirmativas I e II estão corretas. Apenas as afirmativas II e III estão corretas. Todas as afirmativas estão corretas. Apenas a afirmativa III está correta. Apenas a afirmativa II está correta. 1 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) (0,1,0,1) (0,1,1,0) (0,0,0,1) (1,1,1,0) Respondido em 16/11/2020 05:40:26 Gabarito Comentado 2 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 acelerar a convergência utilizando um fator multiplicador arbitrado pelo algoritmo Para explorar múltiplos pontos de mínimo da função Para acelerar a convergência utilizando a tendência de correção do ciclo anterior 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 Respondido em 16/11/2020 05:40:32 Gabarito Comentado 3 Questão Nas redes tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation, por que tal tipo de treinamento é chamado de treinamento supervisionado? todo o processo deve ser supervisionado por um especialista é utilizado um algoritmo de supervisão dos pesos durante o treinamento as entradas e saídas são embaralhadas pelo supervisor antes do treinamento as saídas desejadas são fornecidas e utilizadas para correção dos pesos as respostas são revisadas utilizando o conjunto de validação Respondido em 16/11/2020 05:40:37 Gabarito Comentado 4 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra. Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente). 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 . Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. Respondido em 16/11/2020 05:40:44 Gabarito Comentado 5 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 (x1 e x2) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3? (0,1,1,0) (1,0,0,1) (0,1,0,1) (0,1,1,1) (0,0,0,1) Respondido em 16/11/2020 05:40:48 Gabarito Comentado 6Questão 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 os itens II e III estão corretos. Somente o item I está correto. Somente os itens I e III estão corretos. Somente o item II está correto. Somente o item III está correto. Respondido em 16/11/2020 05:40:52 7 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 os itens I e III estão corretos. Somente o item I está correto. Somente os itens I e II estão corretos. Somente o item III está correto. Somente o item II está correto. Respondido em 16/11/2020 05:40:54 8 Questão 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: As afirmativas I e II estão corretas As afirmativas II e III estão corretas Somente a afirmativa III está correta Somente a afirmativa I está correta Somente a afirmativa II está correta 1 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 Todas as afirmativas estão corretas. Apenas as afirmativas I e II estão corretas. Apenas a afirmativa II está correta. Apenas a afirmativa III está correta. Apenas as afirmativas II e III estão corretas. Respondido em 16/11/2020 05:41:08 Gabarito Comentado 2 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 II está correta. Apenas a afirmativa III está correta. Apenas as afirmativas II e III estão corretas. Todas as afirmativas estão corretas. Apenas as afirmativas I e II estão corretas. Respondido em 16/11/2020 05:41:11 Gabarito Comentado 3 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 os itens I e III estão corretos. Somente os itens II e III estão corretos. Somente o item III está correto. Somente o item I está correto. Respondido em 16/11/2020 05:41:16 4 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente). 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 . Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra. Respondido em 16/11/2020 05:41:19 Gabarito Comentado 5 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 (x1 e x2) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3? (0,0,0,1) (0,1,0,1) (0,1,1,0) (0,1,1,1) (1,0,0,1) Respondido em 16/11/2020 05:41:28 Gabarito Comentado 6 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 saídas desejadas são fornecidas e utilizadas para correção dos pesos todo o processo deve ser supervisionado por um especialista 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 Respondido em 16/11/2020 05:41:35 Gabarito Comentado 7 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 os itens II e III estão corretos. Somente o item I está correto. Somente o item III está correto. Somente o item II está correto. Somente os itens I e III estão corretos. Respondido em 16/11/2020 05:41:42 8 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 acelerar a convergência utilizando a tendência de correção do ciclo anterior Para acelerar a convergência utilizando um fator multiplicador arbitrado pelo algoritmo 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 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 1 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 os itens I e III estão corretos. Somente o item II está correto. Somente o item III está correto. Somente o item I está correto. Somente os itens I e II estão corretos. Respondido em 16/11/2020 05:41:58 2 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? (1,1,1,0) (0,1,1,0) (1,0,0,1) (0,1,0,1) (0,0,0,1) Respondido em 16/11/2020 05:42:00 Gabarito Comentado 3 Questão 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: 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 Respondido em 16/11/2020 05:42:05 Gabarito Comentado 4 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 (x1 e x2) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3? (0,1,1,1) (1,0,0,1) (0,0,0,1) (0,1,1,0) (0,1,0,1) Respondido em 16/11/2020 05:42:09 Gabarito Comentado 5 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 entradas e saídas são embaralhadas pelo supervisor antes do treinamento as saídas desejadas são fornecidas e utilizadas para correção dos pesos todo o processo deve ser supervisionado por um especialista as respostas são revisadas utilizando o conjunto de validação é utilizado um algoritmo de supervisão dos pesos durante o treinamento Respondido em 16/11/2020 05:42:12 Gabarito Comentado 6 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 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. Respondido em 16/11/2020 05:42:16 7 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 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 um fator multiplicador arbitrado pelo algoritmo Para frear a convergência, inibindo a atração de mínimos locais e permitindo a convergência para o mínimo global Para acelerar a convergência utilizando a tendência de correção do ciclo anterior Para explorar múltiplos pontos de mínimo da função Respondido em 16/11/2020 05:42:19 Gabarito Comentado 8 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. 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 . Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra. Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente). Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. 1 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 as afirmativas II e III estão corretas. Apenas a afirmativa II está correta. Apenas as afirmativas I e II estão corretas. Todas as afirmativas estão corretas. Respondido em 16/11/2020 05:42:34 Gabarito Comentado 2 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: Todas as afirmativas estão corretas. Apenas as afirmativas II e III estão corretas. Apenas as afirmativas I e II estão corretas. Apenas a afirmativa III está correta. Apenas a afirmativa II está correta. Respondido em 16/11/2020 05:42:39 Gabarito Comentado 3 Questão Nas redes tipo Perceptronsde 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 o item III está correto. Somente os itens I e III estão corretos. Somente os itens II e III estão corretos. Respondido em 16/11/2020 05:42:42 4 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente). 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 . Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra. Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Respondido em 16/11/2020 05:42:46 Gabarito Comentado 5 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 (x1 e x2) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3? (0,1,0,1) (0,0,0,1) (0,1,1,0) (1,0,0,1) (0,1,1,1) Respondido em 16/11/2020 05:42:50 Gabarito Comentado 6 Questão Nas redes tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation, por que tal tipo de treinamento é chamado de treinamento supervisionado? é utilizado um algoritmo de supervisão dos pesos durante o treinamento todo o processo deve ser supervisionado por um especialista as respostas são revisadas utilizando o conjunto de validação as entradas e saídas são embaralhadas pelo supervisor antes do treinamento as saídas desejadas são fornecidas e utilizadas para correção dos pesos Respondido em 16/11/2020 05:42:55 Gabarito Comentado 7 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 III está correto. Somente os itens I e III estão corretos. Somente o item I está correto. Respondido em 16/11/2020 05:42:57 8 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 frear a convergência, inibindo a atração de mínimos locais e permitindo a convergência para o mínimo global Para acelerar a convergência utilizando a tendência de correção do ciclo anterior 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 explorar múltiplos pontos de mínimo da função Para acelerar a convergência utilizando um fator multiplicador arbitrado pelo algoritmo 1 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 III está correto. Somente os itens I e III estão corretos. Somente os itens I e II estão corretos. Somente o item II está correto. Somente o item I está correto. Respondido em 16/11/2020 05:43:21 2 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? (1,1,1,0) (1,0,0,1) (0,1,1,0) (0,1,0,1) (0,0,0,1) Respondido em 16/11/2020 05:40:48 Gabarito Comentado 3 Questão 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: As afirmativas II e III estão corretas Somente a afirmativa III está correta Somente a afirmativa I está correta As afirmativas I e II estão corretas Somente a afirmativa II está correta Respondido em 16/11/2020 05:40:54 Gabarito Comentado 4 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 (x1 e x2) de (0,0), (0,1), (1,0) e (1,1), quais seriam os respectivos valores de saída do neurônio z3? (0,1,1,1) (1,0,0,1) (0,0,0,1) (0,1,1,0) (0,1,0,1) Respondido em 16/11/2020 05:40:58 Gabarito Comentado 5 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 saídas desejadas são fornecidas e utilizadas para correção dos pesos 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 Respondido em 16/11/2020 05:41:02 Gabarito Comentado 6 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-treinamentoDe acordo com a abordagem, assinale a opção CORRETA: Somente o item II está correto. Somente os itens I e III estão corretos. Somente o item I está correto. Somente os itens II e III estão corretos. Somente o item III está correto. Respondido em 16/11/2020 05:43:45 7 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 acelerar a convergência utilizando a tendência de correção do ciclo anterior Para acelerar a convergência utilizando um fator multiplicador arbitrado pelo algoritmo 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 Respondido em 16/11/2020 05:41:10 Gabarito Comentado 8 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. 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. Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída.
Compartilhar