Exercicio aula 9 Modelagem e Simulação de Sistemas

Prévia do material em texto

1. 
 
 
Assinale a alternativa que apresenta as duas etapas do algoritmo de backpropagation: 
 
 
 
simples e complexo 
 
 
forward e backward 
 
 
inclinação e deslocamento 
 
 
simples e composto 
 
 
batelada e incremental 
 
 
 
Explicação: 
O algoritmo de backpropagation é dividido em 2 etapas: forward (direto) e backward (reverso). 
 
 
 
 
 
2. 
 
 
As arquiteturas das RNA podem são discriminadas por três classificações. Assinale a opção que 
apresenta as três classificações descritas corretamente. 
 
 
 
Micro-Estrutura: organização dos neurônios na rede, quantidade de camadas ocultas, 
quantidade de neurônios. 
Meso-Estrutura: características de cada neurônio na rede, principalmente a sua função de 
ativação. 
Macro-Estrutura: associação eventual de redes para abordar problemas complexos. 
 
 
Micro-Estrutura: características de cada neurônio na rede, principalmente a sua função de 
ativação. 
Meso-Estrutura: organização dos neurônios na rede, quantidade de camadas ocultas, 
quantidade de neurônios. 
Macro-Estrutura: associação eventual de redes para abordar problemas complexos. 
 
 
Micro-Estrutura: associação eventual de redes para abordar problemas complexos. 
Meso-Estrutura: organização dos neurônios na rede, quantidade de camadas ocultas, 
quantidade de neurônios. 
Macro-Estrutura: características de cada neurônio na rede, principalmente a sua função de 
ativação. 
 
 
Micro-Estrutura: características de cada neurônio na rede, principalmente a sua função de 
ativação. 
Meso-Estrutura: associação eventual de redes para abordar problemas complexos. 
Macro-Estrutura: organização dos neurônios na rede, quantidade de camadas ocultas, 
quantidade de neurônios. 
 
 
Micro-Estrutura: associação eventual de redes para abordar problemas complexos. 
Meso-Estrutura: características de cada neurônio na rede, principalmente a sua função de 
ativação. 
Macro-Estrutura: organização dos neurônios na rede, quantidade de camadas ocultas, 
quantidade de neurônios. 
https://simulado.estacio.br/bdq_simulados_exercicio.asp
https://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
Explicação: 
As arquiteturas das RNAs são diferenciadas pelos conceitos micro, meso e macro estruturas, definidos 
consecutivamente por: características de cada neurônio na rede, principalmente a sua função de 
ativação; organização dos neurônios na rede, quantidade de camadas ocultas, quantidade de 
neurônios; e associação eventual de redes para abordar problemas complexos. 
 
 
 
 
 
3. 
 
 
A modelagem de sistemas inteligentes híbridos é a possibilidade de combinar técnicas inteligentes. Um 
método híbrido de interesse em sistemas inteligentes é o método neuro-fuzzy. Quais as camadas que 
podem ser consideradas na incorporação das técnicas Fuzzy nas Redes Neurais Artificiais? 
 
 
Entradas, Fuzzyficação, Regras, Consequente, Defuzificação. 
 
 
Entradas, Fuzzyficação, Regras, Defuzificação. 
 
 
Fuzzyficação, Regras, Consequente, Defuzificação. 
 
 
Fuzzyficação, Regras, Defuzificação. 
 
 
Entradas, Fuzzyficação, Consequente, Defuzificação. 
 
 
 
Explicação: 
São 5 camadas que as redes neuro-fuzzy possuem atribuídas as operações de tratamento fuzzy. 
 
 
 
 
 
4. 
 
 
Considerando o modelo matemático do neurônio para aplicação computacional com função de ativação 
linear g(⋅):y=ug(⋅):y=u, assinale a opção que determina o valor de saída do neurônio yy pelas 
entradas x1=1,x2=−0.2 e x3=0.7x1=1,x2=−0.2 e x3=0.7, relacionadas respectivamente aos 
pesos w1=0.3,w2=0.6 e w3=0.3w1=0.3,w2=0.6 e w3=0.3, com o bias θ=−0.2θ=−0.2. 
Modelo do neurônio: y=g(3∑i=1xiwi−θ)y=g(∑i=13xiwi−θ) 
 
 
0,59 
 
 
0,19 
 
 
0,51 
 
 
0,39 
 
 
0,11 
 
 
 
Explicação: 
https://simulado.estacio.br/bdq_simulados_exercicio.asp
https://simulado.estacio.br/bdq_simulados_exercicio.asp
y=g(0,3⋅1+0,6⋅(−0,2)+0,3⋅0,7−0,2)y=g(0,3⋅1+0,6⋅(−0,2)+0,3⋅0,7−0,2) 
y=0,3−0,12+0,21−0,2=0,19