Alceu Bernardino
Quiz by , created more than 1 year ago

Simulado de I A. Redes neurais artificiais

135
1
0
Alceu Bernardino
Created by Alceu Bernardino about 9 years ago
Close

Redes neurais artificiais

Redes neurais artificiais

Question 1 of 26

1

Com relação às redes neurais artificiais, avalie as afirmações abaixo:
I – A camada de entrada realiza o primeiro processamento das informações.
II – Os pesos servem para fazer uma média aritmética dos valores das entradas.
III – A função de ativação é a função que determina o valor que o neurônio artificial envia em sua saída.
IV – Uma rede Perceptron pode representar seus valores somente no formato binário.
Agora, assinale a alternativa que somente possui afirmações CORRETAS:

Select one of the following:

  • I – II - III – IV.

  • I - II – IV.

  • I – II.

  • III – IV.

Explanation

Question 2 of 26

1

No aprendizado supervisionado, deve haver a intromissão de um ser humano, que fornece um conjunto de entradas e suas saídas respectivas, esperando que a máquina “aprenda” com base nestes padrões. No aprendizado não supervisionado, o próprio algoritmo deve avaliar os dados e identificar padrões desconhecidos, agrupando os dados de acordo com estes padrões.

Select one of the following:

  • True
  • False

Explanation

Question 3 of 26

1

O volume de dados com os quais as empresas devem lidar crescem rapidamente, e uma análise ágil e correta deles pode representar um diferencial competitivo. A clusterização é uma das técnicas utilizadas pelo aprendizado de máquina não supervisionado para identificar informações que estejam disseminadas nestes dados e que não são fáceis de encontrar
por humanos. O Data mining pode ser citado como exemplo.

Select one of the following:

  • True
  • False

Explanation

Question 4 of 26

1

O volume de dados com os quais as empresas devem lidar crescem rapidamente, e uma análise ágil e correta deles pode representar um diferencial competitivo. A Fuzzificação é uma das técnicas utilizadas pelo aprendizado de máquina não supervisionado para identificar informações que estejam disseminadas nestes dados e que não são fáceis de encontrar
por humanos. O Data Mart pode ser citado como exemplo.

Select one of the following:

  • True
  • False

Explanation

Question 5 of 26

1

Com relação às RNA, avalie as afirmações abaixo:
I - As redes Artificiais de Neurônios são modeladas de forma análoga ao cérebro humano, sendo compostas por vários neurônios artificiais.
II – Uma RNA deve ser treinada com 100% de precisão para cada fato de entrada, garantindo desta forma um desempenho ótimo.
III –O cérebro humano é mais eficiente do que o computador no que se refere ao reconhecimento de padrões.
IV – O número de camadas de uma RNA deve ser definido antes de se saber quais são os dados de entrada para o treinamento.
Agora, assinale a alternativa que somente contém afirmações CORRETAS:

Select one of the following:

  • I, II, III, IV.

  • I, II, IV.

  • I, III.

  • III, IV.

Explanation

Question 6 of 26

1

Com relação às RNA do tipo Perceptron, assinale a alternativa CORRETA:

Select one of the following:

  • Os Perceptron representam somente as informações de entrada em formato binário, pois na saída não existe essa restrição.

  • É através da função de ativação que se calcula o valor pelo qual as entradas são multiplicadas para ativar ou não o neurônio artificial.

  • Uma vez que as informações são representadas em formato binário, o número máximo de camadas de uma RNA Perceptron é igual a dois.

  • Os neurônios de entrada não realizam efetivamente nenhum processamento, servindo apenas para distribuir a informação para as demais camadas.

Explanation

Question 7 of 26

1

Cada neurônio isoladamente é muito simples, mas a enorme e complexa rede de neurônios que temos em nosso cérebro é capaz de processar informações de estrema complexidade a uma velocidade impressionante.

Select one of the following:

  • True
  • False

Explanation

Question 8 of 26

1

O cérebro humano tem uma propriedade chamada plasticidade, o que significa que um determinado número de neurônios pode se organizar em resposta a eventos que ocorram, o que ocasiona o aprendizado.

Select one of the following:

  • True
  • False

Explanation

Question 9 of 26

1

As redes artificiais de neurônios são modeladas de forma análogo ao cérebro humano, sendo compostas por vários neurônios artificiais.

Select one of the following:

  • True
  • False

Explanation

Question 10 of 26

1

As redes artificiais de neurônios são modeladas de forma análoga ao Algoritmo genético, sendo compostas por vários neurônios artificiais.

Select one of the following:

  • True
  • False

Explanation

Question 11 of 26

1

As redes neurais artificiais ,RNA, podem ser classificadas de acordo com diferentes critérios como, ex:
Número de camadas de neurônios;
Fluxo de informação entre camadas
Conecções entre esses neurônios

Select one of the following:

  • True
  • False

Explanation

Question 12 of 26

1

As redes neurais artificiais ,RNA, podem ser classificadas de acordo com diferentes critérios como, ex:
Número de camadas de neurônios;
Fluxo de informação entre camadas
Tipo de Algorítmo de neurônios

Select one of the following:

  • True
  • False

Explanation

Question 13 of 26

1

O processo de treinamento de rede é bastante delicado, pois a mesma não deve ser treinada 100% para cada fato a ser conhecido, mas trinada com o conjunto inteiro, sendo apresentadas as entradas várias vezes interativamente.

Select one of the following:

  • True
  • False

Explanation

Question 14 of 26

1

O processo de treinamento de rede é bastante delicado, pois a mesma deve ser treinada 100% para cada fato a ser conhecido, sendo apresentadas as entradas várias vezes interativamente.

Select one of the following:

  • True
  • False

Explanation

Question 15 of 26

1

Caso uma rede seja treinada 100% para um fato de cada vez isso afetará negativamente o conhecimento de todos os fatos previamente apreendidos.

Select one of the following:

  • True
  • False

Explanation

Question 16 of 26

1

Caso uma rede seja treinada 100% para um fato de cada vez isso afetará positivamente o conhecimento de todos os fatos previamente apreendidos.

Select one of the following:

  • True
  • False

Explanation

Question 17 of 26

1

Entre as principais aplicações de redes neurais artificiais podemos citar:
-Reconhecimento de vós
-Reconhecimento de face
-Previsão de cotação na bolsa
-Diagnóstico de doenças

Select one of the following:

  • True
  • False

Explanation

Question 18 of 26

1

Entre as principais aplicações de redes neurais artificiais podemos citar:
-Reconhecimento de som
-Reconhecimento de face
-Previsão meteorológica
-Diagnóstico de doenças

Select one of the following:

  • True
  • False

Explanation

Question 19 of 26

1

Redes Neurais Artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência. Uma grande rede neural artificial pode ter centenas ou milhares de unidades de processamento; já o cérebro de um mamífero pode ter muitos bilhões de neurônios.

Select one of the following:

  • True
  • False

Explanation

Question 20 of 26

1

Os neurônios são formados pelos dendritos, que são um conjunto de terminais de entrada, pelo corpo central, e pelos axônios que são longos terminais de saída.

Select one of the following:

  • True
  • False

Explanation

Question 21 of 26

1

Um histórico resumido sobre Redes Neurais Artificiais deve começar por três das mais importantes publicações iniciais, o primeiro modelo de redes neurais simulando “máquinas”, o modelo básico de rede de auto-organização, e o modelo Perceptron de aprendizado supervisionado.

Select one of the following:

  • True
  • False

Explanation

Question 22 of 26

1

Aponte Características Gerais das Redes Neurais.

Select one or more of the following:

  • Sinais são apresentados à entrada;

  • Cada sinal é multiplicado por um número, ou peso, que indica a sua influência na saída da unidade;

  • É feita a soma ponderada dos sinais que produz um nível de atividade;

  • Se este nível de atividade exceder um certo limite (threshold) a unidade produz uma determinada resposta de saída.

  • A maioria dos modelos de redes neurais não possui alguma regra de treinamento, onde os pesos de suas conexões são ajustados de acordo com os padrões apresentados. Em outras palavras, elas não aprendem através de exemplos.

Explanation

Question 23 of 26

1

Arquiteturas neurais são tipicamente organizadas em camadas, com unidades que podem estar conectadas às unidades da camada posterior. Marque essas camadas.

Select one or more of the following:

  • Camada de Entrada: onde os padrões são apresentados à rede;

  • Camadas Intermediárias ou Escondidas: onde é feita a maior parte do processamento, através das conexões ponderadas; podem ser consideradas como extratoras de características;

  • Camada de Saída: onde o resultado final é concluído e apresentado.

  • Camada de Processamento: onde o resultado final é processado e apresentado.

Explanation

Question 24 of 26

1

A propriedade mais importante das redes neurais é a habilidade de aprender de seu ambiente e com isso melhorar seu desempenho. Isso é feito através de um processo iterativo de ajustes aplicado a seus pesos, o treinamento. O aprendizado ocorre quando a rede neural atinge uma solução generalizada para uma classe de problemas.

Select one of the following:

  • True
  • False

Explanation

Question 25 of 26

1

fator importante é a maneira pela qual uma rede neural se relaciona com o ambiente. Nesse contexto existem os seguintes paradigmas de aprendizado:

Select one or more of the following:

  • Aprendizado Supervisionado, quando é utilizado um agente externo que indica à rede a resposta desejada para o padrão de entrada;

  • Aprendizado Não Supervisionado (auto-organização), quando não existe uma agente externo indicando a resposta desejada para os padrões de entrada;

  • Reforço, quando um crítico externo avalia a resposta fornecida pela rede.

  • Treinamento supervisionado, consiste em ajustar os pesos e os thresholds de suas unidades para que a classificação desejada seja obtida

Explanation

Question 26 of 26

1

Denomina-se ciclo uma apresentação de todos os N pares (entrada e saída) do conjunto de treinamento no processo de aprendizado. A correção dos pesos num ciclo pode ser executado de dois modos:

Select one or more of the following:

  • Modo Padrão: A correção dos pesos acontece a cada apresentação à rede de um exemplo do conjunto de treinamento. Cada correção de pesos baseia-se somente no erro do exemplo apresentado naquela iteração. Assim, em cada ciclo ocorrem N correções.

  • Modo Batch: Apenas uma correção é feita por ciclo. Todos os exemplos do conjunto de treinamento são apresentados à rede, seu erro médio é calculado e a partir deste erro fazem-se as correções dos pesos.

  • Modo erro E: é definido como: Resposta Desejada - Resposta Obtida (d - O);

Explanation

Previous
Next