Redes Neuronales y Aprendizaje Profundo

¿Qué distingue al deep learning de otras aproximaciones basadas en redes neuronales?

• La cantidad de nodos en las redes neuronales.

• La complejidad de las capas en las redes neuronales.

• El tipo de datos que procesa.

• El número de aplicaciones disponibles.

¿Qué tipo de red neuronal se diseñó específicamente para el procesamiento de imágenes?

• Red Neuronal Recurrente (RNN).

• Red Neuronal Convolucional (CNN).

• Perceptrón.

• Red Neuronal Artificial (ANN).

¿Qué se entiende por "profundo" en el aprendizaje profundo?

• La capacidad de procesar datos estructurados.

• La cantidad de capas en una red neuronal.

• El tipo de datos que se procesan.

• La velocidad de entrenamiento de la red.

¿Qué tipo de datos son especialmente adecuados para el aprendizaje profundo y las redes neuronales?

• Datos estructurados con un formato tabular.

• Datos secuenciales, como series temporales.

• Datos categóricos con pocas categorías.

• Datos con valores atípicos.

¿Qué papel juega la retropropagación en el entrenamiento de redes neuronales profundas?

• Inicializa los pesos de la red.

• Calcula la precisión de la red.

• Ajusta los pesos de la red para minimizar el error.

• Controla el número de capas en la red.

¿Qué es una neurona artificial en el contexto de las redes neuronales artificiales?

• Una célula biológica que se utiliza en algoritmos de aprendizaje automático.

• Una unidad básica de procesamiento en una red neuronal artificial.

• Una neurona que solo se encuentra en aplicaciones de inteligencia artificial.

• Una neurona que solo se utiliza en el aprendizaje supervisado.

¿Qué característica tiene la función sigmoide que la hace adecuada para problemas de clasificación binaria en redes neuronales?

• Produce valores negativos.

• Produce valores positivos.

• Produce una salida binaria (0 o 1).

• Produce una salida continua entre 0 y 1.

¿Cuál de las siguientes funciones de activación es simétrica en torno al origen y produce valores en el rango de -1 a 1?

• Función identidad.

• Función sigmoide.

• Función ReLU.

• Función tangente hiperbólica.

¿Qué tipo de red neuronal se utiliza comúnmente en aplicaciones de visión por computadora para la detección de objetos y el reconocimiento de patrones en imágenes?

• Red Neuronal Convolucional (CNN).

• Red Neuronal Recurrente (RNN).

• Perceptrón Multicapa (MLP).

• Red de Adaline.

¿Cuál de las siguientes redes neuronales artificiales se utiliza típicamente en problemas de regresión, donde se predice un valor numérico en lugar de una categoría?

• Red Neuronal Convolucional (CNN).

• Red Neuronal Recurrente (RNN).

• Perceptrón Multicapa (MLP).

• Red de Adaline.