Baixe o app para aproveitar ainda mais
Prévia do material em texto
1a Questão Acerto: 1,0 / 1,0 Mesmo que a Inteligência Artificial produza notáveis benefícios para sociedade, o seu desenvolvimento apresenta objetivos definidos, bem como difucldades em seu apromoramento. Assinale a alternativa que apresenta um objetivo na implementação de Inteligência Artificial na indústria. Suplementar das capacidades humanas, superando seus limites. Ser obsoleta em comparação à ação humana. Ser totalmente dependente da ação humana. Nunca ser possível substituir a ação humana em nenhuma área. Garantir a continuidade do trabalho humano. Respondido em 11/06/2021 18:09:20 Explicação: A suplementação das capacidades humanas, tornado o Ser Humano obsoleto, tanto para produção industrial, ou até mesmo na existência. Não se sabe qual o futuro do trabalho da humanidade, em relação ao trabalho realizado por inteligência artificial, o que leva a crises nesse tema. A Inteligência Artificial se mostra promissora nessa substituição, mesmo que ainda seja, em seu desenvolvimento, dependente da ação humana. 2a Questão Acerto: 1,0 / 1,0 Assinale a opção que corresponde o conceito que é atribuído ao conceito fuzzy. Gradação Conformação Discriminação Complementação Especialização Respondido em 11/06/2021 18:28:34 Explicação: O conceito fuzzy apresenta a ideia de gradação relacionado a pertinência dos conjuntos. 3a Questão Acerto: 0,0 / 1,0 Os conjuntos fuzzy são uma generalização dos conjuntos clássicos, ao superar os princípios do meio excluído e da não-contradição, fazendo-se valer do conceito da Dualidade. Logo, a propriedades do conjunto fuzzy, que os diferenciam dos conjuntos tradicionais é: A∩¯¯̄̄ A=A A∪¯¯̄̄ A≠U A∩A=A A∪A=A A∩¯¯̄̄ A=¯¯̄̄ A Respondido em 11/06/2021 18:23:36 Explicação: Na lógica clássica, uma proposição é verdadeira ou sua negação é verdadeira. Em termos da linguagem de conjuntos, tem-se que: A∪¯¯̄̄ A=U Presmissa vencida pela lógica aplicada aos conjuntos Fuzzy. 4a Questão Acerto: 1,0 / 1,0 Determine a relação identidade obtida de A×A=A2 , onde A={x,y,w,z} IA={(x,x);(x,y);(x,w);(x,z)} IA={(x,y);(y,x);(w,z);(z,w)} IA={(x,y);(x,w);(x,z);(y,x);(y,w);(y,z);(w,x);(w,y);(w,z);(z,x);(z,y );(z,w)} IA={(x2);(y2);(w2);(z2)} IA={(x,x);(y,y);(w,w);(z,z)} Respondido em 11/06/2021 18:10:55 Explicação: Um das relações possíveis é um caso especial que pode ser considerado, quando os pares ordenados são os mesmos, chamado relação identidade IA . No caso aplicado IA={(x,x);(y,y);(w,w);(z,z)} 5a Questão Acerto: 1,0 / 1,0 Assinale a opção que apresenta os três princípios lógicos tradicionais. Identidade, Não Contradição e Terceiro Excluído. Identidade, Complementação e Terceiro Excluído. Compartilhamento, Não Contradição e Terceiro Excluído. Compartilhamento, Não Contradição e Falsidade Identidade, Complementação e Falsidade. Respondido em 11/06/2021 18:29:36 Explicação: São três os proncípios da lógica clássica proposta por Aristóteles: Identida, Não Contradição e Terceiro Excluído. 6a Questão Acerto: 1,0 / 1,0 O processo de fuzzificação de uma variável pode ser extremamente útil, tanto no ponto de vista da engenharia de tomada de decisões, como no cotidiano, colaborando com definições de conceitos do mundo físico. Através dos conceitos aprendidos sobre fuzzificação, assinale a alterantiva que correta. Fuzzificação é converter uma variável nebulosa em uma definida. Fuzzificação não permite admitir uma variáveis discretas. Fuzzificação é o processo de admitir uma variável discreta e definida e convertê-la em uma variável nebulosa. Fuzzificação é a etapa em que variáveis numéricas são definidas de forma objetiva. Fuzzificação é independente das funções de pertinência. Respondido em 11/06/2021 18:20:38 Explicação: A fuzzificação é o processo de admitir uma variável discreta e definida e convertê-la em uma variável nebulosa, sendo a etapa na qual as variáveis linguísticas são definidas de forma subjetiva, bem como as funções de pertinência. Exemplo: Um motorista dirigindo o seu carro numa rodovia com limite de velocidade de 110 km/h e se encontra numa velocidade constante de 110 km/h. Um dos passageiros do carro diz que ele está "muito rápido" e o motorista compreende a informação fuzzificada e admite que valores entre 80 km/h e 90 km/h são mais razoáveis. Mesmo estando dentro do limite de velocidade, compreende-se que ir "menos rápido" pode gerar uma segurança maior. 7a Questão Acerto: 0,0 / 1,0 Pode-se definir alguns parâmetros a serem analisados para a melhor seleção do Método de Defuzzificação a ser empregado, onde faz-se necessário analisar o conceito de continuidade do método . Para a seleção do melhor método a ser empregado, o seguinte fator deve ser avaliado. Velocidade de processamento linguístico. Aplicações em malha fechada. Tamanho da matriz de valores discretos. Capacidade de processamento de máquina. Complexidade numérica da variável linguística. Respondido em 11/06/2021 18:44:59 Explicação: A propriedade de continuidade é importante para aplicações em malha fechada, pois se a saída de um controlador fuzzy controla uma variável do processo, saltos na saída do controlador podem causar instabilidade e oscilações, logo é prudente optar pela defuzzificação Centro de Máximos. 8a Questão Acerto: 0,0 / 1,0 A inferência Fuzzy pode ser aplicada em um modelo linguístico para calcular o significado de termos compostos por modificação linguística. Considere que o modificador "Muito" seja α=α2 num modelo linguístico em que Carlos apresenta os graus de pertinência "idoso" de 0,6 e "jovem" de 0,1. Calcule o grau de pertinência de Carlos para a classe "não é jovens e não é muito velho". μ=0,26 μ=0,324 μ=0,36 μ=0,64 μ=1,00 Respondido em 11/06/2021 18:36:15 Explicação: μ(Carlos)=(1−0,1)∩(1−0,62) μ(Carlos)=0,64 9a Questão Acerto: 1,0 / 1,0 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: 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. 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: 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 problemascomplexos. Respondido em 11/06/2021 18:52:02 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. 10a Questão Acerto: 0,0 / 1,0 As decisões tomadas em qualquer situação, quase sempre levam em consideração fatores empíricos, como experiências anteriores e situações similares. Nem sempre, ao considerar as probabilidades, toma-se uma decisão acertada. Assinale a alternativa que apresenta um exemplo de como a lógica nebulosa pode colaborar para trazer mais confiabilidade ao processo decisório. Análise superficial de dados robustos. Problemas analisados como "Verdadeiro ou Falso". Eliminação de interpretação linguística. Compreensão dual de possibilidades. Modelos não-booleanos. Respondido em 11/06/2021 18:42:13 Explicação: A lógica nebulosa permite uma análise dos dados de forma mais aprofundada, ou seja, diversos modelos não podem ser interpretados apenas com o sistema "Verdadeiro ou Falso". Na fuzzificação de variáveis, é possível compreender melhor como as diversas possibilidades (funções de pertinência) são distribuídas no sistema e com qual nível de influência cada uma delas pode afetar o resultado final (grau de pertinência). Através dessa análise as decisões tomadas podem estar melhor embasadas.
Compartilhar