I A - Prova 2 - redes neurais

As redes neurais artificiais consideram que a inteligência surge:

• através do uso explícito de símbolos na resolução de problemas.

• por meio de um processo de aprendizado pelo qual as conexões entre neurônios são ajustadas.

• através de um processamento

  distribuído paralelo (PDP)

• através dos pesos sinápticos

No modelo conexionista existe um forte caráter representacional:

• para os neurônios e sinapses

• para parâmetros de entrada e saída

• para as camadas da rede

• para o bias e a função de ativação

A classificação:

• identifica a doença a partir dos sintomas,

  causas dos seus efeitos.

• identifica estrutura ou padrão em dados

• decide a categoria ou o agrupamento ao qual um valor de

  entrada pertence;

• processa imagem digital

Um neurônio artificial consiste em:

• sinais de entrada, sinapses, retropropagação

• sinais de entrada, processamento distribuído, função de limiar

• sinais de entrada, nível de ativação, função de limiar, pesos

• nível de ativação, aprendizado, pesos

O neurônio de McCulloch−Pitts:

• possui entradas excitatórias (1) e inibitórias (-1)

• multiplica cada entrada pela função de ativação correspondente

• computam qualquer função lógica

• consegue separar amostras de entrada não lineares

O aprendizado do perceptron se baseia:

• na mudança de pesos para reduzir erro

• no encontro dos pesos adequados sem interferência humana

• na atualização de pesos de modo que um novo programa seja criado

• nenhuma das alternativas

A função lógica Ou-exclusivo pode ser representada:

• através de um neurônio de McCulloch-Pitts.

• através da utilização de dois neurônios de McCulloch-Pitts.

• através do uso de novas arquiteturas e algoritmos de redes neurais

• nenhuma das respostas anteriores

Dado um conjunto de dados de entrada e saídas: entrada 1: x1=1, x2=1, saída1: y1=1 e uma segunda entrada e saída: entrada2: x1=9.4, x2=6.4, saída2: y1=-1

• o neurônio de McCulloch-Pitts consegue classificar tais dados

• o neurônio de McCulloch-Pitts consegue classificar tais dados com ressalvas

• o neurônio de McCulloch-Pitts não consegue classificar tais dados

• o neurônio de McCulloch-Pitts não consegue classificar tais dados com ressalvas

A implementação de uma rede neural perceptron para resolver os problemas do AND, OR com uma tabela de 16 linhas requer uma arquitetura de rede com:

• 1 neurônio, 4 entradas e 4 pesos

• 1 neurônio, 2 entradas e 2 pesos

• 2 neurônios, 2 entradas e 4 pesos

• 2 neurônios, 4 entradas e 8 pesos

A codificação de uma rede neural para identificar dígitos pare e impares, de 0 a 9, sendo que tais dígitos são representados por uma matriz 5 x 3 requer arquitetura de rede com:

• 1 entrada, 1 neurônio e 15 pesos

• 15 entradas, 2 neurônios e 15 pesos

• 15 entradas, 1 neurônio e 15 pesos

• 10 entradas, 1 neurônio e 10 pesos