Atividade Objetiva de Revisão - Redes Neurais_ [IEC_CDBD_O1_T2_Online] Machine Learning

Prévia do material em texto

Atividade Objetiva de Revisão - Redes Neurais
Entrega Sem prazo Pontos 0 Perguntas 3
Limite de tempo Nenhum Tentativas permitidas Sem limite
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 4 minutos 0 de 0
Pontuação desta tentativa: 0 de 0
Enviado 29 set em 21:49
Esta tentativa levou 4 minutos.
Fazer o teste novamente
0 / 0 ptsPergunta 1
Uma rede neural artificial com múltiplas camadas ocultas e nós com
função sigmoide podem formar fronteiras de decisão não lineares.
 Falso 
 Verdadeiro Correto!Correto!
Realmente, um Perceptron possui a limitação de só resolver 
problemas linearmente separáveis, uma vez que ele produz uma 
combinação linear das entradas. Entretanto, ao se criar uma 
arquitetura em multicamadas pode-se criar fronteira de formato 
arbitrário. A função sigmoide no nó também é relevante por ser 
diferenciável e permitir que algoritmos de treinamento baseados 
em gradiente sejam capazes de treinar a rede e carantir a 
convergência.
0 / 0 ptsPergunta 2
https://pucminas.instructure.com/courses/67977/quizzes/254803/history?version=1
https://pucminas.instructure.com/courses/67977/quizzes/254803/take?user_id=18167
Qual modelo de aprendizado supervisionado é considerado fácil de
interpretar o processo de tomada de decisão?
 Regressão linear 
 K-NN 
 Árvore de Decisão. Correto!Correto!
Correto. As árvores de decisão são considerados os modelos 
mais fáceis de interpretar, uma vez que cada nó corresponde a 
exatamente uma tomada de decisão sobre um único atributo. Um 
caminho a partir do nó raiz até o nó folha representa exatamente 
uma regra do processo indutivo.
 Redes Neurais MLP 
0 / 0 ptsPergunta 3
A restrição de uma rede neural com apenas uma camada é que
 os valores de sinal só podem ir em uma direção. 
 elas modelam apenas operadores de conjunção. ocê respondeuocê respondeu
Operações de conjunção são as operações lógicas que 
representam a intercessão, também conhecidos como 
operadores AND. Na verdade, as redes também conseguem 
modeloar os operadores OR e NOT. O único problema das redes 
neurais é a modelagem do operador XOR, por ser não linear.
 
é necessária uma taxa de aprendizado baixa para evitar instabilidade. 
 
elas conseguem apenas fazer uma separação linear do espaço de
soluções.
esposta corretaesposta correta
Pontuação do teste: 0 de 0