wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

HO - 36 Define la red neuronal artificial

Total questions: 20

Worksheet time: 3mins

Name
Class
Date
1.

¿Qué es una red neuronal artificial?

a)

Un sistema eléctrico inspirado en neuronas

b)

Un modelo computacional inspirado en el cerebro humano

c)

Una base de datos inteligente

d)

Un programa de estadística

2.

¿Qué capas conforman una red neuronal artificial?

a)

Entrada, salida y lógica difusa

b)

Entrada, una o más ocultas y salida

c)

Sensores, neuronas y conexiones

d)

Solo entrada y salida

3.

¿Qué representan los nodos en una red neuronal?

a)

Conexiones eléctricas

b)

Neuronas artificiales

c)

Archivos de datos

d)

Pesos sinápticos

4.

¿Qué permiten los pesos en una red neuronal?

a)

Calcular promedios

b)

Ajustar las conexiones para aprender de la experiencia

c)

Medir la electricidad de la red

d)

Guardar datos

5.

¿Cuál fue el movimiento que impulsó el desarrollo de las redes neuronales en los años 40 y 50?

a)

Constructivismo

b)

Conexionismo

c)

Realismo

d)

Cognitivismo

6.

¿Qué afirmaban Minsky y Papert en 1969?

a)

Que las redes eran ilimitadas

b)

Que tenían limitaciones en el aprendizaje

c)

Que eran idénticas al cerebro humano

d)

Que no podían generalizar

7.

¿Qué significa que una red neuronal “aprenda”?

a)

Memorizar datos

b)

Cambiar su comportamiento en función del entorno

c)

Guardar información estática

d)

Copiar otros modelos

8.

¿Qué significa generalizar en redes neuronales?

a)

Copiar ejemplos previos

b)

Dar respuestas correctas a entradas nuevas con variaciones

c)

Repetir siempre los mismos resultados

d)

Crear datos artificiales

9.

¿Qué significa abstraer en redes neuronales?

a)

Guardar todas las entradas

b)

Aislar las cualidades principales de los datos

c)

Perder información

d)

Copiar resultados

10.

¿En qué campo son fundamentales las redes neuronales?

a)

Bases de datos

b)

Aprendizaje automático

c)

Electrónica digital

d)

Ciberseguridad

11.

¿Por qué las ANNs son adaptables?

a)

Se reprograman manualmente

b)

Ajustan su funcionamiento según datos de entrada

c)

Guardan información fija

d)

No cambian nunca

12.

¿Qué permite el reconocimiento de patrones en ANNs?

a)

Detectar correlaciones y estructuras ocultas

b)

Guardar bases de datos

c)

Crear hardware neuronal

d)

Copiar al ser humano

13.

¿Qué aplicación se da en conducción autónoma?

a)

Mejorar el hardware

b)

Evaluar datos en tiempo real para decisiones críticas

c)

Generar energía

d)

Reemplazar al conductor

14.

¿Qué tipo de red revolucionó la visión por computadora?

a)

RNN

b)

CNN

c)

LSTM

d)

GAN

15.

¿Qué permite la segmentación de imágenes en medicina?

a)

Crear bases de datos

b)

Detectar tumores en radiografías

c)

Aislar ruido en datos

d)

Guardar imágenes

16.

¿Qué permite el reconocimiento facial con redes neuronales?

a)

Crear imágenes falsas

b)

Identificar rostros con precisión

c)

Construir hardware

d)

Analizar textos

17.

¿Qué generan las GANs?

a)

Datos tabulares

b)

Imágenes artificiales realistas

c)

Redes neuronales biológicas

d)

Bases de datos

18.

¿Qué redes se usan para series temporales?

a)

CNN

b)

RNN y LSTM

c)

GAN

d)

Perceptrón simple

19.

¿Qué aplicación en NLP tienen las redes neuronales?

a)

Cálculos eléctricos

b)

Traducción automática y análisis de sentimientos

c)

Reconocimiento facial

d)

Detección de imágenes

20.

¿Quiénes recibieron el Nobel de Física 2024 por las bases del aprendizaje con redes neuronales?

a)

Alan Turing y Marvin Minsky

b)

John Hopfield y Geoffrey Hinton

c)

Yann LeCun y Yoshua Bengio

d)

Steve Jobs y Bill Gates