Test 9

1. 1Posibles aplicaciones de redes neuronales son: Predicción, Procesado Natural del Lenguaje, Conversión Texto a Voz, Compresión de Imágenes, etc.

   1. ANo, porque se indica la conversión texto a voz
   2. BNo
   3. CSí, pero la compresión de imágenes con varios matices
   4. DSi todas las que se enumeran
2. 2¿Para qué sirve principalmente el concepto de capas en redes neuronales?

   1. AAñadir información que no estaba antes
   2. BAñadir información poco influyente en el resultado final
   3. CPara procesar más rápido los datos de entrada
   4. DPara procesar más lentamente los datos de entrada
3. 3¿Cuál de las siguientes acciones no suele realizarla una red neuronal?

   1. AAprender
   2. BEntrenar
   3. CInvestigar
   4. DAplicar
4. 4¿Una red neuronal puede tener varias capas intermedias?

   1. ASiempre las tiene
   2. BSi
   3. CNunca las tiene
   4. DNo
5. 5El perceptrón es un componente que …

   1. APuede tener varias entradas con un peso concreto cada una
   2. BSiempre tiene una entrada con un peso concreto
   3. CNunca tiene menos de 4 entradas
   4. DSi tiene dos entradas los pesos de cada una deben ser iguales
6. 6¿Cuál de las siguientes no es una ventaja de las Redes Neuronales?

   1. AAprenden de la experiencia
   2. BAbstracción de la esencia de las entradas
   3. CGeneralizan a partir de ejemplos anteriores, los casos nuevos
   4. DActúan de manera independiente sobre casos nuevos
7. 7¿Cuál de los siguientes no es un tipo de aprendizaje que se distinga en una red neuronal?

   1. AHíbrido
   2. BCíclico
   3. CNo supervisado
   4. DSupervisado
8. 8La aplicación de la Inteligencia Ambiental, en el aprendizaje formal, propone la combinación de las nuevas tecnologías junto con el marco de enseñanza tradicional.

   1. AVerdadero
   2. BFalso
9. 9Según la arquitectura de redes neuronales. Las redes con conexiones hacia adelante: En este tipo de redes pueden existir conexiones de capas hacia atrás. Esto quiere decir que la información puede regresar a capas anteriores.

   1. AVerdadero
   2. BFalso
10. 10Las redes neuronales tratan de imitar nuestra forma de pensar por un lado y por otro lado están formadas por un algoritmo basado en la experiencia.

    1. AVerdadero
    2. BFalso

11. 11Una red neuronal es un conjunto de neuronas conectadas que trabajan en equipo, sin que cada neurona tenga una actividad concreta.

    1. AVerdadero
    2. BFalso
12. 12Es complicado usar una red entrenada para hacer predicciones o clasificaciones.

    1. AVerdadero
    2. BFalso
13. 13Las redes neuronales no son algo nuevo. Surgieron a mediados del siglo pasado, cuando se empiezan a definir los conceptos iniciales.

    1. AVerdadero
    2. BFalso
14. 14Es complicado que las redes neuronales resuelvan problemas que se les escapaban a los ordenadores.

    1. AVerdadero
    2. BFalso
15. 15La planificación es una forma de razonamiento en la que las acciones ejecutadas se encuentran dirigidas por el deseo de alcanzar alguna meta.

    1. AVerdadero
    2. BFalso
16. 16La planificación basada en casos es un subconjunto del razonamiento basado en casos, en la que las soluciones que se generan son tareas.

    1. AVerdadero
    2. BFalso
17. 17Los sistemas para el procesamiento de gran cantidad de información no pueden utilizar técnicas de inteligencia artificial para el análisis de los datos.

    1. AVerdadero
    2. BFalso
18. 18Los sistemas sensibles al contexto basan su funcionamiento en la información de contexto, pero no tienen en cuenta las preferencias de los usuarios.

    1. AVerdadero
    2. BFalso
19. 19Los sistemas inteligentes pueden ayudar a mejorar la calidad de vida de las personas.

    1. AVerdadero
    2. BFalso
20. 20La inteligencia humana es algo difícilmente sustituible, sobre todo para solucionar problemas de sentido común; por tanto, en la resolución de problemas que difícilmente siguen un patrón, es necesario que hombre y máquina trabajen codo con codo.

    1. AVerdadero
    2. BFalso
21. 21El prompt engineering es la técnica de ajustar las respuestas generadas por la inteligencia artificial después de que estas hayan sido procesadas por el modelo, con el objetivo de corregir errores.

    1. AVerdadero
    2. BFalso
22. 22Las alucinaciones en los modelos de inteligencia artificial se producen cuando estos generan información incorrecta o inventada, a pesar de que el texto parezca coherente y convincente.

    1. AVerdadero
    2. BFalso
23. 23Frame - Clase ...

    1. A... es el modelo sobre él se construirá el objeto.
    2. B... describen conceptos.
    3. C... son procedimientos o funciones que realizan cálculos concretos a partir de clases o instancias.
    4. D... son los enlaces que permiten a un objeto relacionarse con aquellos que forman parte de la misma organización.
24. 24Atributos...

    1. A... es el modelo sobre él se construirá el objeto.
    2. B... describen conceptos.
    3. C... son procedimientos o funciones que realizan cálculos concretos a partir de clases o instancias.
    4. D... son los enlaces que permiten a un objeto relacionarse con aquellos que forman parte de la misma organización.
25. 25Métodos ...

    1. A... es el modelo sobre él se construirá el objeto.
    2. B... describen conceptos.
    3. C... son procedimientos o funciones que realizan cálculos concretos a partir de clases o instancias.
    4. D... son los enlaces que permiten a un objeto relacionarse con aquellos que forman parte de la misma organización.
26. 26Relaciones ...

    1. A... es el modelo sobre él se construirá el objeto.
    2. B... describen conceptos.
    3. C... son procedimientos o funciones que realizan cálculos concretos a partir de clases o instancias.
    4. D... son los enlaces que permiten a un objeto relacionarse con aquellos que forman parte de la misma organización.
27. 27Razonamiento lógico (basado en reglas)

    1. AEs la habilidad de manejar información para adquirir conocimientos, entender el mundo y tomar decisiones adecuadas.
    2. BSe emplea cuando se tiene en cuenta la certeza de las pruebas de diagnóstico en las decisiones clínicas.
    3. CProporciona una forma de combinar la evidencia con las distintas fuentes de información.
    4. DMantiene que la forma de razonar en términos absolutos de «verdadero» o «falso» (Aristóteles), no sirve ya para nuestro tiempo.
28. 28Razonamiento probabilístico (redes bayesianas)

    1. AEs la habilidad de manejar información para adquirir conocimientos, entender el mundo y tomar decisiones adecuadas.
    2. BSe emplea cuando se tiene en cuenta la certeza de las pruebas de diagnóstico en las decisiones clínicas.
    3. CProporciona una forma de combinar la evidencia con las distintas fuentes de información.
    4. DMantiene que la forma de razonar en términos absolutos de «verdadero» o «falso» (Aristóteles), no sirve ya para nuestro tiempo.
29. 29Razonamiento evidencial (Dempster-Shafer)

    1. AEs la habilidad de manejar información para adquirir conocimientos, entender el mundo y tomar decisiones adecuadas.
    2. BSe emplea cuando se tiene en cuenta la certeza de las pruebas de diagnóstico en las decisiones clínicas.
    3. CProporciona una forma de combinar la evidencia con las distintas fuentes de información.
    4. DMantiene que la forma de razonar en términos absolutos de «verdadero» o «falso» (Aristóteles), no sirve ya para nuestro tiempo.
30. 30Razonamiento borroso.

    1. AEs la habilidad de manejar información para adquirir conocimientos, entender el mundo y tomar decisiones adecuadas.
    2. BSe emplea cuando se tiene en cuenta la certeza de las pruebas de diagnóstico en las decisiones clínicas.
    3. CProporciona una forma de combinar la evidencia con las distintas fuentes de información.
    4. DMantiene que la forma de razonar en términos absolutos de «verdadero» o «falso» (Aristóteles), no sirve ya para nuestro tiempo.

Descripción

Grado Superior Inteligencia Artificial Test sobre Test 9, creado por Evaristo Martines el 20/06/2026.

Autor

Evaristo Martines

Idioma

Español

Visitas

0

Etiquetas

inteligencia artificialgrado superior

Valoración

Aún sin valoraciones

Valora este test

Valora este test

Más sobre Redes neuronales y aprendizaje profundo