NEW
Font size
WorksheetsCuestionario sobre CNN
Total questions: 35
Worksheet time: 18mins
El stride de 1 en una CNN mueve el filtro de un píxel en un píxel.
Verdadero
Falso
Un filtro en una CNN es una matriz pequeña que se usa para detectar patrones en una imagen.
Verdadero
Falso
El average pooling selecciona el valor máximo de una región.
Verdadero
Falso
El padding permite conservar el tamaño original de la imagen después de aplicar el filtro.
Verdadero
Falso
En una CNN, las capas full connected siempre se colocan antes de las capas convolucionales.
Verdadero
Falso
La capa convolucional reduce automáticamente la cantidad de características.
Verdadero
Falso
El max pooling extrae el valor más alto de una región específica.
Verdadero
Falso
El uso de múltiples filtros en una CNN genera múltiples mapas de características.
Verdadero
Falso
Las RNN son más adecuadas para imágenes que las CNN.
Verdadero
Falso
La cantidad de entradas en la capa densa depende de la salida de la última capa convolucional.
Verdadero
Falso
El padding 'same' permite mantener la misma dimensión de entrada y salida.
Verdadero
Falso
La capa de pooling puede ser aplicada después de una capa densa.
Verdadero
Falso
Una CNN puede tener múltiples capas convolucionales seguidas sin pooling intermedio.
Verdadero
Falso
El stride alto reduce más el tamaño de la imagen procesada.
Verdadero
Falso
¿Qué operación realiza el average pooling?
Calcula la suma
Calcula la media
Calcula el mínimo
Calcula el máximo
El número de filtros en una capa convolucional afecta el número de canales de salida.
Verdadero
Falso
¿Qué capa sigue típicamente a una capa de convolución?
Entrada
Salida
Pooling
RNN
¿Cuál de las siguientes opciones cambia la dimensión de salida en una convolución?
Activación
Padding
Stride
Peso de la red
¿Cuál de las siguientes capas contiene parámetros entrenables?
Pooling
Convolucional
Padding
Stride
¿Qué representa un filtro en una CNN?
Una imagen
Un conjunto de neuronas
Un patrón a detectar
Un activador
¿Qué tipo de pooling retiene el valor más alto?
Average pooling
Max pooling
Min pooling
Softmax
¿Cuál NO es una función de activación común en CNN?
ReLU
Sigmoid
Tanh
Mean
¿Qué se espera al aumentar el número de filtros?
Más ruido
Más patrones detectados
Menos parámetros
Menor profundidad
¿Cuál es el propósito principal del padding?
Aumentar precisión
Reducir ruido
Evitar pérdida de bordes
Reforzar activación
¿Qué sucede si usamos stride=2?
Se duplica el tamaño
Se reduce más la dimensión
No afecta
Convierte en RNN
¿Cuál es la secuencia típica en una arquitectura CNN?
Densa > Convolución > Pooling
Convolución > Pooling > Densa
Entrada > Densa > Salida
Pooling > Entrada > Densa
¿Qué hace la capa full connected?
Detecta bordes
Realiza agrupamiento
Genera la predicción final
Aplica filtros
¿Qué ocurre si no usamos padding y stride=1?
Se mantiene tamaño
Se pierde información en bordes
Aumenta precisión
Se crean más filtros
¿Cuál es el principal beneficio de usar CNN para imágenes?
Más barato
Detecta patrones espaciales
Usa texto
Es secuencial
¿Cuál es una desventaja de no usar pooling?
Se pierden datos
Se simplifica el modelo
Se incrementa el costo computacional
Mejora la precisión
¿Qué sucede con la dimensión después de aplicar max pooling 2x2 con stride 2?
Se mantiene
Se reduce a la mitad
Se duplica
Se vuelve 0
¿Qué tipo de red es mejor para clasificación de imágenes?
RNN
CNN
¿Qué función de activación es común en la capa de salida para clasificación multiclase?
ReLU
Sigmoid
Tanh
Softmax
¿Cuál NO es un tipo de pooling?
Max pooling
Average pooling
Min pooling
Deep pooling
¿En qué capa se decide la cantidad de clases en una clasificación?
Convolución
Pooling
Densa final
Padding
