Baixe o app para aproveitar ainda mais
Prévia do material em texto
AULA 06 1 Questão A estrutura geral de um algoritmo genético é bastante simples e consiste na aplicação iterativa dos operadores genéticos. Para interromper a evolução da população um critério de parada deve ser utilizado. Um grupo de estudantes de Inteligência Artificial tenta desenvolver um software de otimização com algoritmos genéticos e, um dos problemas encontrados é justamente sobre o critério de parada a ser utilizado. Alguns estão sendo sugeridos. Analise as sugestões abaixo: I - Número máximo de gerações. II - Tempo máximo de processamento. III - Melhor indivíduo, da população atual, ser satisfatório. IV - Interrupção do processamento quando a população não mais evoluir após certo número de gerações consecutivas. Assinale a alternativa que indica quais sugestões acima podem ser utilizadas como critério de parada em algoritmos genéticos: Somente I, II e IV Todas as sugestões Somente I e II Somente I, III e IV Somente I e III 2 Questão O operador genético que permite a escolha de indivíduos, aleatoriamente, proporcionalmente a aptidão é: Crossover Mutação Criação Seleção Adaptação 3 Questão Com relação às técnicas de buscas usadas em inteligência artificial, considere as afirmativas a seguir. I. Um algoritmo genético é uma busca de subida de encosta (Hill Climbing) estocástica em que é mantida uma grande população de estados. Novos estados são gerados por mutação e por crossover, que combina pares de estados da população. II. A busca em largura, em profundidade e de custo uniforme são casos especiais de busca pela melhor escolha (Best First). III. A busca A* expande nós com valor mínimo para f(n) = g(n) + h(n). A* é completa e ótima, desde que se possa garantir que h(n) seja admissível. Assinale a alternativa correta. Somente as afirmativas I e II são corretas. Somente a afirmativa III é correta. Somente a afirmativa II é correta. Somente as afirmativas I e III são corretas. As afirmativas I, II e III são corretas. 4 Questão Os operadores genéticos mais importantes, que se forem corretamente aplicados nos indivíduos permitem gerar diversidade na população e facilitam a busca por indivíduos mais bem adaptados no espaço de busca, são: mutação e adaptação cruzamento e seleção seleção e adaptação seleção e mutação cruzamento e mutação 5 Questão O operador genético que atua aleatoriamente nos genes do cromossomo, gerando diversidade em uma cópia do cromossomo é: Criação Seleção Crossover Mutação Adaptação 6 Questão O operador genético que é o responsável pela recombinação de características dos pais durante a reprodução é: Mutação Adaptação Criação Crossover Seleção 7 Questão O operador genético que permite que os cromossomos filhos herdem características genéticas dos cromossomos pais é: Crossover Mutação Adaptação Seleção Criação Respondido em 29/08/2021 12:09:59 8 Questão Os algoritmos genéticos são técnicas de busca de Inteligência Artificial e tiveram um amplo impacto sobre problemas de otimização, como layout de circuitos e escalonamento de prestação de serviços. Com relação à versão mais comum dessa técnica, considere as afirmativas a seguir. I. O funcionamento dos algoritmos genéticos começam com um conjunto de k estados gerados aleatoriamente chamado de população. II. Para cada par selecionado, é escolhido ao acaso um ponto de crossover dentre as posições na cadeia do indivíduo. III. A função fitness de cada indivíduo deverá definir qual é o melhor ponto de crossover dos pares selecionados. IV. A fase de mutação dos algoritmos genéticos é obrigatória e deve seguir uma ordem aleatória para garantir vantagens em seus resultados. Assinale a alternativa CORRETA. Somente as afirmativas III e IV são corretas. Somente as afirmativas II, III e IV são corretas. Somente as afirmativas I, II e III são corretas. Somente as afirmativas I e IV são corretas. Somente as afirmativas I e II são corretas. 1 Questão Em relação aos Algoritmos Genéticos, podemos afirmar que: I - Os processos de seleção de soluções candidatas, utilizados pelos algoritmos genéticos, buscam selecionar exclusivamente os candidatos mais aptos, descartando totalmente os menos aptos, de forma a sempre manter as melhores características genéticas sempre presentes na população. II - Em um algoritmo genético uma população de indivíduos (cromossomos) representa um conjunto de soluções candidatas (população) ao problema que se busca otimizar. III - A escolha da população inicial, para algoritmos genéticos, deve ser criteriosa, gerando somente indivíduos com alto grau de aptidão e não admitindo nenhum grau de aleatoriedade. IV - O operador genético mutação combina cromossomas de indivíduos previamente selecionados, chamados pais, para formar dois novos indivíduos, os quais têm uma grande possibilidade de serem mais aptos que os seus genitores. Somente estão corretas as afirmações: Somente III e IV Somente I e III Somente II Somente I e IV Somente I 2 Questão O operador genético que torna possível o processo artificial de ¿casamento¿ de cromossomos escolhidos de uma certa população é: Crossover Mutação Seleção Criação Adaptação 3 Questão Com relação às técnicas de buscas usadas em inteligência artificial, considere as afirmativas a seguir. I. Um algoritmo genético é uma busca de subida de encosta (Hill Climbing) estocástica em que é mantida uma grande população de estados. Novos estados são gerados por mutação e por crossover, que combina pares de estados da população. II. A busca em largura, em profundidade e de custo uniforme são casos especiais de busca pela melhor escolha (Best First). III. A busca A* expande nós com valor mínimo para f(n) = g(n) + h(n). A* é completa e ótima, desde que se possa garantir que h(n) seja admissível. Assinale a alternativa correta. Somente as afirmativas I e III são corretas. Somente a afirmativa III é correta. Somente as afirmativas I e II são corretas. Somente a afirmativa II é correta. As afirmativas I, II e III são corretas. 4 Questão Os operadores genéticos mais importantes, que se forem corretamente aplicados nos indivíduos permitem gerar diversidade na população e facilitam a busca por indivíduos mais bem adaptados no espaço de busca, são: cruzamento e mutação seleção e mutação seleção e adaptação mutação e adaptação cruzamento e seleção 5 Questão O operador genético que atua aleatoriamente nos genes do cromossomo, gerando diversidade em uma cópia do cromossomo é: Crossover Seleção Criação Mutação Adaptação 6 Questão O operador genético que é o responsável pela recombinação de características dos pais durante a reprodução é: Mutação Crossover Adaptação Seleção Criação 7 Questão A estrutura geral de um algoritmo genético é bastante simples e consiste na aplicação iterativa dos operadores genéticos. Para interromper a evolução da população um critério de parada deve ser utilizado. Um grupo de estudantes de Inteligência Artificial tenta desenvolver um software de otimização com algoritmos genéticos e, um dos problemas encontrados é justamente sobre o critério de parada a ser utilizado. Alguns estão sendo sugeridos. Analise as sugestões abaixo: I - Número máximo de gerações. II - Tempo máximo de processamento. III - Melhor indivíduo, da população atual, ser satisfatório. IV - Interrupção do processamento quando a populaçãonão mais evoluir após certo número de gerações consecutivas. Assinale a alternativa que indica quais sugestões acima podem ser utilizadas como critério de parada em algoritmos genéticos: Somente I, III e IV Somente I e III Somente I e II Todas as sugestões Somente I, II e IV 8 Questão O operador genético que permite a escolha de indivíduos, aleatoriamente, proporcionalmente a aptidão é: Mutação Adaptação Criação Crossover Seleção O operador genético que permite que os cromossomos filhos herdem características genéticas dos cromossomos pais é AULA 07 1 Questão Considere um algoritmo genético que opera sobre três indivíduos A, B, C, descritos respectivamente pelos vetores binários A = [11011000], B = [00010000], C = [11001101], gerando dois novos indivíduos D = [11011101] e E = [11001000] Os novos indivíduos foram gerados através de: Crossover pelo ponto central dos indivíduos B e C seguido de mutação de um bit em cada novo indivíduo (D e E). Crossover pelo ponto central dos indivíduos A e B seguido de mutação de um bit em cada novo indivíduo (D e E). Crossover pelo ponto central dos indivíduos A e C seguido de mutação de um bit em cada novo indivíduo (D e E). Crossover pelo ponto central dos indivíduos A e C. Crossover pelo ponto central dos indivíduos A e B. Respondido em 29/08/2021 12:59:03 2 Questão Considere o problema de se maximizar a função f(x) = 3x+2 no domínio [0, 127], utilizando uma representação inteira para x. O cromossomo deve ser composto por quantos bits? 16 128 7 3 9 Respondido em 29/08/2021 12:59:07 3 Questão Em um processo de seleção utilizando por exemplo o método da roleta viciada, qual dos indivíduos terá o maior valor de aptidão para a função objetivo f(x)= 1/x ? 111001 110011 111000 001101 011011 4 Questão Considerando que um problema de Algoritmo Genético possui, em um determinado instante, uma população de quatro indivíduos de 4 bits (primeira coluna) cada com os seguintes valores de avaliação (segunda coluna): 0010 1 0101 4 0110 5 1011 10 Qual é o percentual de área da roleta que o segundo indivíduo (0101) deve receber para proceder ao mecanismo de seleção? 30% 20% 25% 40% 4% Respondido em 29/08/2021 12:59:19 5 Questão Seja uma função objetivo dada por f(x)=x2+x, definida no intervalo [0,7], isto é, o cromossomo é representado com 3 bits. Qual é o valor do máximo global de f(x) no intervalo, utilizando o algoritmo genético? 49 21 57 0 56 6 Questão Considere um algoritmo genético que opera sobre três indivíduos A, B, C, descritos respectivamente pelos vetores binários A = [11011000], B = [00010000], C = [11001101], gerando dois novos indivíduos D = [11011001] e E = [11011000] Os novos indivíduos foram gerados através de: Crossover pelo ponto central dos indivíduos A e B. Crossover pelo ponto central dos indivíduos A e B seguido de mutação de um bit em cada novo indivíduo (D e E). Crossover pelo ponto central dos indivíduos A e C. Crossover pelo ponto central dos indivíduos A e C seguido de mutação de um bit em cada novo indivíduo (D e E). Crossover pelo ponto central dos indivíduos B e C seguido de mutação de um bit em cada novo indivíduo (D e E). 7 Questão Considerando que um problema de Algoritmo Genético possui, em um determinado instante, uma população de quatro indivíduos de 4 bits (primeira coluna) cada com os seguintes valores de avaliação (segunda coluna): 0010 1 0101 4 0110 5 1011 10 Definindo um ponto de corte entre o segundo e o terceiro gene (a partir do bit mais representativo) do cromossomo, quais seriam os filhos gerados pelo cruzamento de um ponto entre o primeiro (0010) e o terceiro (0110) indivíduos? 1011 e 0110 0110 e 0101 0110 e 0010 0111 e 0010 1010 e 0110 Respondido em 29/08/2021 12:59:34 Explicação: Ao efetuar o crossover o resultado será 0110 e 0010 8 Questão Considere o problema de se maximizar a função f(x) = 3x+2 no domínio [0, 127]. Qual a melhor solução para o problema (valor de x que maximiza a função)? 383 2 0 127 381 1 Questão Em um problema de otimização cujo objetivo é encontrar o máximo global de uma função, uma primeira geração de algoritmos genéticos foi gerada e avaliada de acordo com os dados que exibidos na tabela. Sabendo-se que o método de seleção utilizado será o método da roleta, assinale a alternativa que apresenta a avaliação relativa correta dos indivíduos 3 e 4 respectivamente: 0,32 e 0,27 0,30 E 0,32 0,27 E 0,32 0,35 E 0,30 0,32 e 0,30 2 Questão 1- Seja a função a seguir, que queremos maximizar (encontrar o valor de x que propicia o maior valor para f(x): f(x) = x2 + 3x. Qual é o valor máximo de desta função no domíno de 0 a 7? 21 50 53 70 35 3 Questão Considerando que um problema de Algoritmo Genético possui, em um determinado instante, uma população de quatro indivíduos de 4 bits (primeira coluna) cada com os seguintes valores de avaliação (segunda coluna): 0010 1 0101 4 0110 5 1011 10 Qual é o percentual de área da roleta que o segundo indivíduo (0101) deve receber para proceder ao mecanismo de seleção? 40% 20% 4% 25% 30% Respondido em 29/08/2021 13:00:10 4 Questão Seja uma função objetivo dada por f(x)=x2+x, definida no intervalo [0,7], isto é, o cromossomo é representado com 3 bits. Qual é o valor do máximo global de f(x) no intervalo, utilizando o algoritmo genético? 21 49 57 56 0 5 Questão Considere um algoritmo genético que opera sobre três indivíduos A, B, C, descritos respectivamente pelos vetores binários A = [11011000], B = [00010000], C = [11001101], gerando dois novos indivíduos D = [11011001] e E = [11011000] Os novos indivíduos foram gerados através de: Crossover pelo ponto central dos indivíduos A e C. Crossover pelo ponto central dos indivíduos B e C seguido de mutação de um bit em cada novo indivíduo (D e E). Crossover pelo ponto central dos indivíduos A e B. Crossover pelo ponto central dos indivíduos A e B seguido de mutação de um bit em cada novo indivíduo (D e E). Crossover pelo ponto central dos indivíduos A e C seguido de mutação de um bit em cada novo indivíduo (D e E). 6 Questão Considerando que um problema de Algoritmo Genético possui, em um determinado instante, uma população de quatro indivíduos de 4 bits (primeira coluna) cada com os seguintes valores de avaliação (segunda coluna): 0010 1 0101 4 0110 5 1011 10 Definindo um ponto de corte entre o segundo e o terceiro gene (a partir do bit mais representativo) do cromossomo, quais seriam os filhos gerados pelo cruzamento de um ponto entre o primeiro (0010) e o terceiro (0110) indivíduos? 0110 e 0101 1011 e 0110 0111 e 0010 1010 e 0110 0110 e 0010 Respondido em 29/08/2021 13:00:28 Explicação: Ao efetuar o crossover o resultado será 0110 e 0010 7 Questão Considere o problema de se maximizar a função f(x) = 3x+2 no domínio [0, 127]. Qual a melhor solução para o problema (valor de x que maximiza a função)? 0 381 383 2 127 8 Questão Em um processo de seleção utilizandopor exemplo o método da roleta viciada, qual dos indivíduos terá o maior valor de aptidão para a função objetivo f(x)= 1/x ? 001101 110011 111000 111001 011011 AULA 08 1 Questão Em relação ao modelo conexionista podemos afirmar que: Cada problema não necessariamente requer do projetista que sejam feitas escolhas adequadas para propiciar a correta evolução das soluções ao longo das sucessivas gerações. Possui todo o conhecimento necessário para resolver o problema. Possui parte do conhecimento necessário para resolver o problema. Não tem conhecimento algum armazenado, até que seja treinado par resolver um problema. Cada problema requer do projetista que sejam feitas escolhas adequadas para propiciar a correta evolução das soluções ao longo das sucessivas gerações. Respondido em 31/08/2021 15:20:30 Gabarito Comentado 2 Questão Em relação às redes neurais artificiais pode-se afirmar que I- Redes recorrentes - são redes com neurônios que competem pelo direito de produzir a saída são chamadas de II- Redes competitivas - possuem neurônios dinâmicos III- Redes com aprendizado supervisionado - o ajuste dos pesos é feito a cada padrão entrada/saída para produzir a saída desejada Assinale a alternativa CORRETA Somente a alternativa III está correta. Somente a alternativa II está correta. Somente as alternativas I e III estão corretas. Somente as alternativas II e III estão corretas. Somente a alternativa I está correta. Respondido em 31/08/2021 15:20:32 3 Questão As redes neurais possuem arquiteturas baseadas em blocos construtivos semelhantes entre si e que realizam o processamento de forma paralela. Em relação às redes neurais: I - No aprendizado não supervisionado, os exemplos de entradas e suas respectivas saídas são usados no treinamento da rede neural. II - As regras de aprendizado são esquemas de atualização dos valores do pesos das sinapses de um algoritmo genético. III - O treinamento é o modo pelo qual o sistema computacional neural aprende a respeito da informação que ele precisará, a fim de resolver certos problemas. É correto afirmar que: I e II são verdadeiras I é verdadeira II é verdadeira I e III são verdadeiras III verdadeira Respondido em 31/08/2021 15:20:41 Gabarito Comentado 4 Questão O conhecimento aprendido por uma rede neural artificial encontra-se armazenado: Na camada de entrada Nas camadas internas Nos pesos das conexões da rede Nos neurônios Na camada de saída Respondido em 31/08/2021 15:21:11 Gabarito Comentado 5 Questão Redes Neurais Artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes, assim pode-se afirmar que um modelo conexionista: (Escolha a alternativa CORRETA): Empregam uma estratégia de busca paralela e estruturada, baseadas nos mecanismos da seleção natural. Lidam com conhecimento explícito, representado simbolicamente e generalizam o conhecimento aprendido. Lidam com conhecimento não simbolicamente representado e processam a informação de forma paralela e distribuída. São inspirados no comportamento do cérebro humano e modelam os modos imprecisos do raciocínio aproximado. Realizam o raciocínio aproximado, com proposições imprecisas e descritas em linguagem natural. Respondido em 31/08/2021 15:21:17 6 Questão São considerados parâmetros importantes no projeto de uma rede neural artificial: Assinale e alternativa INCORRETA. Quantidade de camadas Quantidade de neurônios Representação dos dados Topologia da rede Função de pertinência AULA 09 1 Questão Considere a rede com neurônios de McCulloch-Pitts abaixo, na qual cada neurônio possui o patamar q = 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) (1,0,0,1) (0,1,1,0) (0,1,0,1) (1,1,1,0) Respondido em 31/08/2021 15:23:48 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 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. Todas as afirmativas estão corretas. Respondido em 31/08/2021 15:24:41 Gabarito Comentado 3 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 o item II está correto. Somente o item III está correto. Somente os itens I e II estão corretos. Respondido em 31/08/2021 15:24:48 4 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 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. Somente o item II está correto. Respondido em 31/08/2021 15:24:56 5 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 frear a convergência, inibindo a atração de mínimos locais e permitindo a convergência para o mínimo global 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 Respondido em 31/08/2021 15:25:02 Gabarito Comentado 6 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. Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. 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). Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Respondido em 31/08/2021 15:25:10 Gabarito Comentado 7 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. Apenas a afirmativa III está correta. Apenas as afirmativas I e II estão corretas. Apenas a afirmativa II está correta. Todas as afirmativas estão corretas. Respondido em 31/08/2021 15:25:30 Gabarito Comentado 8 Questão Considere a rede com neurônios de McCulloch-Pitts abaixo, na qual cada neurônio possui o patamar q = 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) (0,1,0,1) (0,1,1,1) (0,0,0,1) (1,0,0,1) 1 Questão Considere a rede com neurônios de McCulloch-Pitts abaixo, na qual cada neurônio possui o patamar q = 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) (1,0,0,1) (0,1,1,0) (0,1,0,1) (1,1,1,0) Respondido em 31/08/2021 15:23:48 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 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. Todas as afirmativas estão corretas. Respondido em 31/08/2021 15:24:41 Gabarito Comentado 3 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 o item II está correto. Somente o item III está correto. Somente os itens I e II estão corretos. Respondido em 31/08/2021 15:24:48 4 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 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. Somente o item II está correto. Respondido em 31/08/2021 15:24:56 5 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 frear a convergência, inibindo a atração de mínimos locais e permitindo a convergência para o mínimo global 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 Respondido em 31/08/2021 15:25:02 Gabarito Comentado 6 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. Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro. 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). Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída. Respondido em 31/08/2021 15:25:10 Gabarito Comentado 7 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. Apenas a afirmativa III está correta. Apenas as afirmativas I e II estão corretas. Apenas a afirmativa II está correta. Todas as afirmativas estão corretas. Respondido em 31/08/2021 15:25:30 Gabarito Comentado 8 Questão Considere a rede com neurônios de McCulloch-Pitts abaixo, na qual cada neurônio possui o patamar q = 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) (0,1,0,1) (0,1,1,1) (0,0,0,1) (1,0,0,1) 1 Questão Considere a rede com neurônios de McCulloch-Pitts abaixo, na qual cada neurônio possui o patamar q = 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) (0,1,0,1) (0,1,1,0) (1,0,0,1) (1,1,1,0) Respondido em 31/08/2021 15:29:45 GabaritoComentado 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 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. Respondido em 31/08/2021 15:30:03 Gabarito Comentado 3 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 os itens I e II estão corretos. Somente o item I está correto. Somente o item II está correto. Somente o item III está correto. Respondido em 31/08/2021 15:30:40 4 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 III está correto. Somente o item I está correto. Somente os itens I e III estão corretos. Somente o item II está correto. Somente os itens II e III estão corretos. Respondido em 31/08/2021 15:31:19 5 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 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 Para acelerar a convergência utilizando um fator multiplicador arbitrado pelo algoritmo Respondido em 31/08/2021 15:31:34 Gabarito Comentado 6 Questão O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. Assinale a alternativa INCORRETA sobre este algoritmo. 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). 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. 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 . Respondido em 31/08/2021 15:31:49 Gabarito Comentado 7 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. Todas as afirmativas estão corretas. Apenas a afirmativa III está correta. Apenas a afirmativa II está correta. Apenas as afirmativas II e III estão corretas. Respondido em 31/08/2021 15:32:06 Gabarito Comentado 8 Questão Considere a rede com neurônios de McCulloch-Pitts abaixo, na qual cada neurônio possui o patamar q = 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) AULA 10 1 Questão São consideradas características das Redes de Aprendizado Competitivo I- Aprendizado supervisionado II- Um única camada III- Competição entre neurônios IV- Divisão de dados em clusters A esse respeito, pode-se concluir que: Escolha a alternativa CORRETA Apenas as afirmativas I e IV são corretas. Apenas as afirmativas I, III e IV são corretas. Apenas as afirmativas II, III e IV são corretas. Apenas as afirmativas I, II e III são corretas. As as afirmativas I, II, III e IV são corretas. Respondido em 31/08/2021 15:33:33 Gabarito Comentado 2 Questão Em relação aos mapas auto organizáveis, relacione os termos técnicos, na coluna da esquerda, com suas definições, na coluna da direita. I- Agrupamento. II- Aprendizado competitivo. III- Neurônio vencedor. IV- Redes recorrentes. V- Vizinhança. A- Define quantos neurônios em torno do vencedor terão seus pesos ajustados, ou seja, define a área de influência do nó vencedor. Sua arquitetura pode assumir vários formatos diferentes. B- Organização das classes na camada de saída de um Mapa de Kohonen. Embora não seja essencial, os nós dessa camada normalmente são organizados em forma de grade. C- Rede Neural que pode ter conexões que voltem dos nós de saída aos nós de entrada e que pode ter também conexões arbitrárias entre quaisquer nós. Desse modo, seu estado interno pode ser alterado conforme conjuntos de entradas são apresentados à rede. D- Resultado de um mecanismo que permite o direito de responder a um específico subconjunto de dados, de forma que somente um neurônio de saída, ou um neurônio por grupo, esteja ativo em um determinado instante. E- Técnica que usa o princípio de que apenas um neurônio fornece a saída da rede em resposta a uma entrada. Assinale a alternativa que contém a associação CORRETA. I-E, II-A, III-B, IV-D, V-C. I-A, II-C, III-E, IV-D, V-B. I-B, II-E, III-D, IV-C, V-A. I-B, II-A, III-E, IV-C, V-D. I-E, II-C, III-D, IV-A, V-B. Respondido em 31/08/2021 15:33:40 Gabarito Comentado 3 Questão Em relação as redes neurais artificiais com aprendizado competitivo, pode-se afirmar que: I- As redes para este tipo de problema possuem uma camada de nós de saída que estão ligados a uma só camada (de entrada, portanto), de tal forma que podem existir um número qualquer de nós na entrada independente da quantidade de características dos padrões de entrada. II- A informação é extraída sem que haja um par entrada/saída alvo.III- O aprendizado competitivo é um algoritmo que divide uma série de dados de entradas em grupos (clusters) que são inerentes aos dados de entrada. Assinale a alternativa correta. Apenas o item II está correto. Apenas o item III está correto. Apenas o item I está correto. Apenas os itens II e III estão corretos. Apenas os itens I e II estão corretos Respondido em 31/08/2021 15:33:47 Gabarito Comentado 4 Questão Correlacione os itens a seguir: (S)Treinamento supervisionado (N)Treinamento não supervisionado com I- A rede aprenda a partir de padrões conhecidos II- O treinamento é direcionado para diminuir o erro na saída III- Os padrões de treinamento possuem apenas entradas Assinale a alternativa que apresenta a correlação CORRETA. I(S), II (S) e III (N) I(S), II (S) e III (S) I(N), II (S) e III (N) I(N), II (N) e III (N) I(N), II (S) e III (S) Respondido em 31/08/2021 15:33:52 5 Questão São consideradas características das Redes de Kohonen I- Aprendizado não supervisionado II- Um única camada III- Correlação com os neurônios vizinhos IV- Distância de Manhatan A esse respeito, pode-se concluir que: Escolha a alternativa CORRETA Apenas as afirmativas II, III e IV são corretas. Apenas as afirmativas I e IV são corretas. Apenas as afirmativas I, III e IV são corretas. As as afirmativas I, II, III e IV são corretas. Apenas as afirmativas I, II e III são corretas. Respondido em 31/08/2021 15:33:58 Gabarito Comentado 6 Questão Em relação as redes neurais artificiais com aprendizado competitivo, pode-se utilizar alguns métodos para determinar a distância que existe entre o vetor de entrada (padrão de entrada) e cada um dos nós de saída, como: A- método que pressupõe tanto o vetor de entrada, quanto o vetor de pesos que liga o nó às entradas, estejam normalizados para o valor unitário (isto é, o comprimento destes vetores deve ser 1) B- método de determinar qual o vetor de pesos mais próximo ao vetor de entrada, de uma forma simplificada utiliza o cálculo do quadrado da diferença de distâncias. C- método de determinar qual o vetor de pesos mais próximo ao vetor de entrada, calculando 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. Que correspondem a: I- Distância Euclidiana II- Backpropagation III- Produto escalar Assinale a alternativa que indica corretamente os métodos indicados para a determinação desta distância. A(I) e C (II), apenas. B(II) e C(III), apenas. A (II), B (III) e C (I). A(III), B(II) e C(I). A(III) e B (I), apenas. Respondido em 31/08/2021 15:34:05 7 Questão Em relação as Redes de Kohonen, podemos afirmar que: O comportamento de um determinado nó não é diretamente afetado pelo comportamento dos nós vizinhos. O comportamento de um determinado nó é diretamente afetado somente pelo comportamento de um nó vizinho. O comportamento de um determinado nó é igual ao comportamento dos nós vizinhos. O comportamento de um determinado nó é diretamente afetado pelo comportamento dos nós vizinhos. O treinamento de um determinado nó é diretamente afetado pelo comportamento dos nós vizinhos. Respondido em 31/08/2021 15:34:13 Gabarito Comentado 8 Questão O aprendizado competitivo é um algoritmo que divide uma série de dados de entradas (clusters) que são inerentes aos dados de entrada. As redes para este tipo de problema possuem: Possuem uma camada de nós de saída que estão ligados a uma só camada de entrada. Possuem uma camada de nós de entrada que estão ligados a uma só camada de saída. Possuem várias camada de nós de saída que estão ligados a uma só camada de entrada. Possuem uma camada de nós de entrada que estão ligados a várias camadas de saída. Possuem uma camada de nós de saída que estão ligados a uma várias camadas de entrada. 1 Questão São consideradas características das Redes de Aprendizado Competitivo I- Aprendizado supervisionado II- Um única camada III- Competição entre neurônios IV- Divisão de dados em clusters A esse respeito, pode-se concluir que: Escolha a alternativa CORRETA As as afirmativas I, II, III e IV são corretas. Apenas as afirmativas I, II e III são corretas. Apenas as afirmativas II, III e IV são corretas. Apenas as afirmativas I e IV são corretas. Apenas as afirmativas I, III e IV são corretas. Respondido em 31/08/2021 15:34:34 Gabarito Comentado 2 Questão Em relação aos mapas auto organizáveis, relacione os termos técnicos, na coluna da esquerda, com suas definições, na coluna da direita. I- Agrupamento. II- Aprendizado competitivo. III- Neurônio vencedor. IV- Redes recorrentes. V- Vizinhança. A- Define quantos neurônios em torno do vencedor terão seus pesos ajustados, ou seja, define a área de influência do nó vencedor. Sua arquitetura pode assumir vários formatos diferentes. B- Organização das classes na camada de saída de um Mapa de Kohonen. Embora não seja essencial, os nós dessa camada normalmente são organizados em forma de grade. C- Rede Neural que pode ter conexões que voltem dos nós de saída aos nós de entrada e que pode ter também conexões arbitrárias entre quaisquer nós. Desse modo, seu estado interno pode ser alterado conforme conjuntos de entradas são apresentados à rede. D- Resultado de um mecanismo que permite o direito de responder a um específico subconjunto de dados, de forma que somente um neurônio de saída, ou um neurônio por grupo, esteja ativo em um determinado instante. E- Técnica que usa o princípio de que apenas um neurônio fornece a saída da rede em resposta a uma entrada. Assinale a alternativa que contém a associação CORRETA. I-A, II-C, III-E, IV-D, V-B. I-B, II-A, III-E, IV-C, V-D. I-E, II-A, III-B, IV-D, V-C. I-B, II-E, III-D, IV-C, V-A. I-E, II-C, III-D, IV-A, V-B. Respondido em 31/08/2021 15:34:44 Gabarito Comentado 3 Questão Em relação as redes neurais artificiais com aprendizado competitivo, pode-se afirmar que: I- As redes para este tipo de problema possuem uma camada de nós de saída que estão ligados a uma só camada (de entrada, portanto), de tal forma que podem existir um número qualquer de nós na entrada independente da quantidade de características dos padrões de entrada. II- A informação é extraída sem que haja um par entrada/saída alvo. III- O aprendizado competitivo é um algoritmo que divide uma série de dados de entradas em grupos (clusters) que são inerentes aos dados de entrada. Assinale a alternativa correta. Apenas o item III está correto. Apenas o item I está correto. Apenas o item II está correto. Apenas os itens I e II estão corretos Apenas os itens II e III estão corretos. Respondido em 31/08/2021 15:34:48 Gabarito Comentado 4 Questão Correlacione os itens a seguir: (S)Treinamento supervisionado (N)Treinamento não supervisionado com I- A rede aprenda a partir de padrões conhecidos II- O treinamento é direcionado para diminuir o erro na saída III- Os padrões de treinamento possuem apenas entradas Assinale a alternativa que apresenta a correlação CORRETA. I(N), II (S) e III (S) I(N), II (N) e III (N) I(N), II (S) e III (N) I(S), II (S) e III (S) I(S), II (S) e III (N) Respondido em 31/08/2021 15:35:16 5 Questão São consideradas características das Redes de Kohonen I- Aprendizado não supervisionado II- Um única camada III- Correlação com os neurônios vizinhos IV- Distância de Manhatan A esse respeito, pode-se concluir que:Escolha a alternativa CORRETA Apenas as afirmativas I e IV são corretas. As as afirmativas I, II, III e IV são corretas. Apenas as afirmativas II, III e IV são corretas. Apenas as afirmativas I, III e IV são corretas. Apenas as afirmativas I, II e III são corretas. Respondido em 31/08/2021 15:35:23 Gabarito Comentado 6 Questão Em relação as redes neurais artificiais com aprendizado competitivo, pode-se utilizar alguns métodos para determinar a distância que existe entre o vetor de entrada (padrão de entrada) e cada um dos nós de saída, como: A- método que pressupõe tanto o vetor de entrada, quanto o vetor de pesos que liga o nó às entradas, estejam normalizados para o valor unitário (isto é, o comprimento destes vetores deve ser 1) B- método de determinar qual o vetor de pesos mais próximo ao vetor de entrada, de uma forma simplificada utiliza o cálculo do quadrado da diferença de distâncias. C- método de determinar qual o vetor de pesos mais próximo ao vetor de entrada, calculando 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. Que correspondem a: I- Distância Euclidiana II- Backpropagation III- Produto escalar Assinale a alternativa que indica corretamente os métodos indicados para a determinação desta distância. A(III) e B (I), apenas. B(II) e C(III), apenas. A(III), B(II) e C(I). A(I) e C (II), apenas. A (II), B (III) e C (I). Respondido em 31/08/2021 15:35:30 7 Questão Em relação as Redes de Kohonen, podemos afirmar que: O comportamento de um determinado nó é diretamente afetado somente pelo comportamento de um nó vizinho. O treinamento de um determinado nó é diretamente afetado pelo comportamento dos nós vizinhos. O comportamento de um determinado nó é igual ao comportamento dos nós vizinhos. O comportamento de um determinado nó é diretamente afetado pelo comportamento dos nós vizinhos. O comportamento de um determinado nó não é diretamente afetado pelo comportamento dos nós vizinhos. Respondido em 31/08/2021 15:35:35 Gabarito Comentado 8 Questão O aprendizado competitivo é um algoritmo que divide uma série de dados de entradas (clusters) que são inerentes aos dados de entrada. As redes para este tipo de problema possuem: Possuem uma camada de nós de entrada que estão ligados a várias camadas de saída. Possuem várias camada de nós de saída que estão ligados a uma só camada de entrada. Possuem uma camada de nós de saída que estão ligados a uma só camada de entrada. Possuem uma camada de nós de entrada que estão ligados a uma só camada de saída. Possuem uma camada de nós de saída que estão ligados a uma várias camadas de entrada.
Compartilhar