SAD - 30/10/2023

Qual é a principal finalidade da utilização de redes neurais na mineração de dados?

• Identificação de padrões e tendências

• Armazenamento de grandes conjuntos de dados

• Execução de algoritmos de compressão de dados

• Aceleração da transferência de dados

Qual é a função da camada de saída em uma rede neural utilizada na mineração de dados?

• Realizar o pré-processamento dos dados de entrada

• Aplicar funções de ativação nos neurônios

• Fornecer a resposta ou a previsão desejada

• Conectar os neurônios das camadas ocultas

Em relação ao treinamento de uma rede neural para mineração de dados, o que é o "overfitting"?

• A rede se ajusta muito bem aos dados de treinamento, mas não generaliza bem.

• A rede não se ajusta aos dados de treinamento e não generaliza.

• A rede se ajusta adequadamente aos dados de treinamento e generaliza perfeitamente.

• A rede não é capaz de aprender com os dados de treinamento.

Qual é a importância da função de custo (ou função de perda) em uma rede neural usada na mineração de dados?

• Mensurar o quão eficaz a rede está na percepção de erros dos dados

• Definir a arquitetura da rede neural

• Controlar a ativação dos neurônios na camada de saída

• Determinar a taxa de aprendizado da rede neural

Em uma rede neural convolucional (CNN) para mineração de dados, qual é o papel das camadas convolucionais?

• Reduzir a dimensionalidade dos dados de entrada

• Aplicar funções de ativação nos neurônios

• Extrair características relevantes dos dados

• Estabelecer conexões entre neurônios distantes

Qual é a principal característica das Redes Neurais Recorrentes?

• São especialmente úteis para o processamento de imagens.

• Incluem um loop de feedback.

• Não são adequadas para o processamento de dados sequenciais.

• São as mesmas que as redes feed forward.

No contexto das Redes Neurais Recorrentes, o que o loop de feedback permite?

• A saída do passo n+1 influencia o resultado do passo n.

• A saída do passo n-1 é alimentada de volta à rede para afetar o resultado do passo n.

• A saída é independente dos passos anteriores.

• A rede não pode adivinhar a próxima letra em uma sequência.

Qual é a principal função dos Long Short-Term Memory (LSTM) em redes neurais?

• Reduzir a dimensionalidade dos dados.

• Ajudar a preservar o erro ao longo do tempo e camadas.

• Adivinhar a próxima letra em uma sequência.

• Criar redes simétricas.

O que compõe um Auto-Encoder?

• Duas redes simétricas.

• Uma única rede feed forward.

• Várias redes recorrentes ligadas.

• Redes com loops de feedback múltiplos.

Por que os Auto-Encoders são usados para redução de dimensionalidade?

• Eles fornecem mapeamentos rígidos em ambos os sentidos.

• O tempo de aprendizagem é exponencial no número de casos de treinamento.

• Eles fornecem mapeamentos flexíveis em ambos os sentidos.

• Eles não são capazes de codificar e decodificar dados.