Logo Passei Direto
Buscar

Inteligência Artificial

Outros

Unidade III 1. Analise as afirmativas abaixo e assinale a alternativa correta: I - O processo Backpropagation não pode ser utilizado no processo ...

Unidade III

1. Analise as afirmativas abaixo e assinale a alternativa correta:

I - O processo Backpropagation não pode ser utilizado no processo de aprendizagem em uma rede neural;
II - A soma dos erros quadrados é um valor importante para se retropropagar o erro para as camadas e neurônios anteriores da rede;
III - A principal ideia é ajustar os pesos de cada neurônio artificial usando essencialmente o valor esperado para a saída da rede e o erro ou distância da saída da rede para o valor esperado.

Apenas as afirmativas II e III estão corretas.
User badge image
Exercícios Para o Aprendizado

há 2 anos

User badge image
Exercícios Para o Aprendizado

há 2 anos

REDES NEURAIS
4 pág.

REDES NEURAIS

ESTÁCIO

Respostas

User badge image

Ed Verified user icon

há 2 anos

Analisando as afirmativas: I - O processo Backpropagation não pode ser utilizado no processo de aprendizagem em uma rede neural; - Falso. O Backpropagation é um dos algoritmos mais utilizados para treinamento de redes neurais, sendo essencial para ajustar os pesos e minimizar o erro. II - A soma dos erros quadrados é um valor importante para se retropropagar o erro para as camadas e neurônios anteriores da rede; - Verdadeiro. A soma dos erros quadrados é comumente utilizada para calcular o erro da rede e retropropagar esse erro para ajustar os pesos. III - A principal ideia é ajustar os pesos de cada neurônio artificial usando essencialmente o valor esperado para a saída da rede e o erro ou distância da saída da rede para o valor esperado. - Verdadeiro. A ideia principal do Backpropagation é ajustar os pesos com base no erro entre a saída esperada e a saída real da rede. Portanto, as afirmativas corretas são II e III. A alternativa que contém essas afirmativas é: a) Apenas as afirmativas II e III estão corretas.

Essa resposta te ajudou?

0
Dislike0

Ainda não achou a resposta?

  • Integrado com os principais modelos de IA do mercado
  • Respostas em segundos
  • IA treinada para estudantes brasileiros.
PasseIA logoEvolua sua forma de estudar

Cadastre-se ou realize login

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

REDES NEURAIS
4 pág.

REDES NEURAIS

ESTÁCIO

Mais perguntas desse material

1. Analise as afirmativas abaixo e assinale a alternativa correta:

I - Adaptabilidade é uma das características e vantagem das redes neurais, que é a habilidade de se adaptar às novas informações;
II - Não podemos utilizar os perceptrons para conceber algoritmos de aprendizado que podem ajustar automaticamente os pesos e os BIAS em uma rede de neurônios artificiais
III - A função de ativação ou função sigmóide (não linear) faz pequenas alterações nos valores dos pesos ou dos BIAS de modo a se aproximar do resultado correto ou esperado.

Todas as afirmativas estão corretas.

Todas as afirmativas estão corretas.
Nenhuma afirmativa está correta.
Apenas as afirmativas I e III estão corretas.
Apenas a afirmativa I está correta.
Apenas as afirmativas I e II estão corretas.

2. Analise as afirmativas abaixo e assinale a alternativa correta:

I - As redes neurais são modelos de processamento de informações inspirados em uma estrutura natural como o cérebro humano;
II - Uma RNA consiste em um determinado número de neurônios artificiais interligados por um grande número de conexões;
III - As redes neurais não conseguem mapear funções matemáticas.

Apenas as afirmativas I e III estão corretas.

3. Analise as afirmativas abaixo e assinale a alternativa correta:

I - As redes neurais são modelos de processamento de informações inspirados em uma estrutura natural como o cérebro humano;
II - Uma RNA consiste em um determinado número de neurônios artificiais desconectados uns dos outros;
III - A definição dos pesos em cada neurônio é feita pelo processo de treinamento ou aprendizagem da rede neural.

Apenas as afirmativas I e III estão corretas.

5. Analise as afirmativas abaixo e assinale a alternativa correta:

I - Uma função sigmóide ou um neurônio sigmóide é dada por uma função matemática.
II - Podemos utilizar os perceptrons para conceber algoritmos de aprendizado que podem ajustar automaticamente os pesos e os BIAS em uma rede de neurônios artificiais
III - A função de ativação ou função sigmóide (não linear) faz pequenas alterações nos valores dos pesos ou dos BIAS de modo a se aproximar do resultado correto ou esperado.

Todas as afirmativas estão corretas.

6. Assinale a alternativa que melhor define a função de ativação Tanh?

É próxima de uma função sigmoide, porém suas saídas não têm apenas a variação de número entre 0 e 1, ela possui saídas reais entre -1 e 1.

7. Assinale a alternativa que melhor define a função de ativação Relu?

Função de unidade linear retificada, que não necessariamente é uma função linear, ou seja, uma variação nos pesos ou BIAS pode ser propagada para neurônios em outras camadas e ativá-los ou não, dependendo da proximidade da saída estiver de zero, ela ativará ou não um determinado neurônio.

2. Analise as afirmativas abaixo e assinale a alternativa correta:

I - Uma rede neural de camada única descreve uma rede sem camadas ocultas;
II - SVMs são simplesmente um caso especial de redes neurais de camada única;
III - Em algumas literaturas as redes neurais podem ser denominadas 'Redes neurais artificiais' (ANN) ou 'Perceptrons de várias camadas' (MLP).

Todas as afirmativas estão corretas.

3. Analise as afirmativas abaixo e assinale a alternativa correta:

I - Para redes neurais regulares, o tipo de camada mais comum é a camada totalmente conectada;
II - A disposição dos neurônios em rede neurais não pode ser em camadas;
III - As redes neurais são modeladas como coleções de neurônios conectados em um gráfico acíclico.

Apenas as afirmativas I e III estão corretas.

4. Analise as afirmativas abaixo e assinale a alternativa correta:

I - Para redes neurais regulares, o tipo de camada mais comum é a camada totalmente conectada;
II - Os modelos da Rede Neural são frequentemente organizados em camadas distintas de neurônios;
III - As redes neurais são modeladas como coleções de neurônios conectados em um gráfico acíclico.

Todas as afirmativas estão corretas.

2. Analise as afirmativas abaixo e assinale a alternativa correta:

I - 'Inicializar pesos para os parâmetros que queremos treinar' é um dos passos do algoritmo backpropagation;
II - 'Definir o erro ou função de custo e seus primeiros valores de derivações' é uma etapa da rede neural mas não possui relação com o algoritmo backpropagation;
III - 'Atualizar as estimativas de parâmetro usando a derivada de erro e o valor atual' é um dos passos do algoritmo backpropagation.

Apenas as afirmativas I e III estão corretas.

3. Analise as afirmativas abaixo e assinale a alternativa correta:

I - 'Inicializar pesos para os parâmetros que queremos treinar' é um dos passos do algoritmo backpropagation;
II - 'Retropropagar através da rede para determinar os derivados de erro' é um dos passos do algoritmo backpropagation;
III - 'Atualizar as estimativas de parâmetro usando a derivada de erro e o valor atual' é um dos passos do algoritmo backpropagation.

Todas as afirmativas estão corretas.

4. Analise as afirmativas abaixo e assinale a alternativa correta:

I - 'Inicializar pesos para os parâmetros que queremos treinar' é uma etapa da rede neural que não tem relação com o algoritmo backpropagation;
II - 'Definir o erro ou função de custo e seus primeiros valores de derivações' é um dos passos do algoritmo backpropagation;
III - 'Atualizar as estimativas de parâmetro usando a derivada de erro e o valor atual' é um dos passos do algoritmo backpropagation.

Apenas as afirmativas II e III estão corretas.

Unidade IV

1. Analise as afirmativas abaixo e assinale a alternativa correta:

I - As redes de Kohonen têm uma estrutura de feed-forward com uma única camada computacional disposta em linhas e colunas.;
II - Em uma rede de Kohonen os neurônios não podem ser totalmente conectados;
III - As redes de Kohonen são um tipo particular de SOM.

Apenas as afirmativas I e III estão corretas.

3. Analise as afirmativas abaixo e assinale a alternativa correta:

I - As redes de Hopfield utilizam o conceito de aprendizagem não supervisionada;
II - As redes de Hopfield utilizam o conceito de aprendizagem supervisionada;
III - As redes de Kohonen utilizam o conceito de aprendizagem não supervisionada.

Apenas as afirmativas II e III estão corretas.

4. Analise as afirmativas abaixo e assinale a alternativa correta:

I - Umas das fases do processo de aprendizagem das redes de Kohonen é a competição;
II - Umas das fases do processo de aprendizagem das redes de Kohonen é a adaptação;
III - Umas das fases do processo de aprendizagem das redes de Kohonen é a cooperação.

Todas as afirmativas estão corretas.

Mais conteúdos dessa disciplina