Paradigmas de Aprendizado de Redes Neurais Artificiais

Prévia do material em texto

Paradigmas de Aprendizado 
de Redes Neurais Artificiais 
 
01 - Das alternativas abaixo, qual representa uma rede de arquitetura alimentada adiante? 
1. Um sistema constituído por duas camadas, entrada e saída, onde as informações são direciona-
das em um sentido único, com a camada de entrada alimentada pelo meio externo 
2. Um sistema constituído por três camadas (entrada, oculta e saída) em que as informações são 
reaproveitadas durante o processo de aperfeiçoamento do algoritmo de aprendizagem 
3. Um sistema com quatro nós, uma camada de entrada, duas camadas ocultas e uma camada de 
saída, em que apenas um nó da camada de saída alimenta todos os neurônios da camada de entrada 
4. Um sistema de N camadas ocultas, onde a camada de entrada é alimentada por nós de saída e 
por estímulos externos 
5. Um sistema simples, de camada única, em que ao menos um nó de entrada é realimentado por 
um nó de saída 
 
02 - De acordo com a figura abaixo, assinale a alternativa que melhor descreve o grafo 
 
1. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, totalmente conectada e alimentada adiante 
2. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada 
de saída, totalmente conectada e alimentada adiante 
3. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, parcialmente conectada e alimentada adiante 
4. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, parcialmente conectada e retroalimentada 
5. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada 
de saída, parcialmente conectada e retroalimentada 
 
03 - De acordo com a figura abaixo, assinale a alternativa que melhor descreve o grafo 
 
1. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada 
de saída, parcialmente conectada e retroalimentada 
2. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, totalmente conectada e alimentada adiante 
3. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, parcialmente conectada e retroalimentada 
4. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada 
de saída, parcialmente conectada e alimentada adiante 
5. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, totalmente conectada e retroalimentada 
 
04 - De acordo com a figura abaixo, assinale a alternativa que melhor descreve o grafo 
 
1. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada 
de saída, totalmente conectada e alimentada adiante 
2. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada 
de saída, totalmente conectada e retroalimentada 
3. Uma rede neural com 8 nós na camada de entrada, uma camada oculta e dois nós na camada 
de saída, parcialmente conectada e retroalimentada 
4. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, totalmente conectada e alimentada adiante 
5. Uma rede neural com 8 nós na camada de entrada, duas camadas ocultas e dois nós na ca-
mada de saída, totalmente conectada e retroalimentada 
 
05 - Considere uma rede de múltiplas camadas ocultas alimentadas adiante, na qual todos os neurônios 
operam em suas regiões lineares. Assinale a alternativa correta 
1. Uma rede de neurônios com uma distribuição linear de N camadas ocultas equivale a uma rede 
de camada única 
2. Uma rede de neurônios com uma distribuição linear de N camadas ocultas não pode ter mais do 
que um único nó de saída 
3. Uma rede de neurônios com uma distribuição linear de N camadas ocultas equivale a uma rede 
retroalimentada por seus respectivos nós de saída 
4. Uma rede de neurônios com uma distribuição linear de N camadas ocultas equivale a uma rede 
retroalimentada por apenas um nó de saída 
5. Uma rede de neurônios com distribuição linear de N camadas ocultas equivale a uma rede de N 
camadas 
 
06 - Aprendizado não supervisionado é uma técnica de aprendizado de máquina em que os usuários 
não precisam supervisionar o modelo. Em vez disso, permite que o modelo trabalhe por conta própria 
para descobrir padrões e informações que não foram detectados anteriormente. Ele lida principalmente 
com os dados não rotulados 
Partindo do pressuposto acima, podemos afirmar que 
1. São autônomos em relação a classificação de padrões, dependendo apenas das condições 
2. Possuem autonomia para classificar e agrupar padrões, porém, são suscetíveis à influência ex-
terna de observadores 
3. Não podem ser utilizadas em processos que porventura possam lidar com padrões de informa-
ções bem definidos 
4. São úteis apenas na construção de redes com uma ou mais camadas ocultas 
5. No aprendizado não supervisionado o conhecimento do professor é transferido para rede em 
um processo iterativo. Após o processo de treinamento, o professor é dispensado e a rede passa a lidar 
com o ambiente inteiramente por si mesma