wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

HO - 38 Identifica los tipos de redes neuronales artificiales

Total questions: 20

Worksheet time: 3mins

Name
Class
Date
1.

¿Cuál es el tipo más básico de red neuronal artificial?

a)

Red convolucional

b)

Red recurrente

c)

Red feedforward

d)

Red multicapa

2.

En una red feedforward, ¿cómo fluye la información?

a)

En ambas direcciones

b)

En ciclos de retroalimentación

c)

Solo hacia adelante, de entrada a salida

d)

De salida a entrada

3.

¿Qué tipo de problemas resuelven mejor las redes feedforward?

a)

Procesamiento de texto

b)

Clasificación y predicción

c)

Control de robots

d)

Compresión de imágenes

4.

¿Qué algoritmo se usa comúnmente para entrenar redes feedforward?

a)

K-means

b)

Retropropagación

c)

Gradiente descendente estocástico

d)

Árboles de decisión

5.

¿Cuál es una característica clave de las redes recurrentes (RNN)?

a)

Tienen memoria de datos previos

b)

Solo funcionan con imágenes

c)

No tienen retroalimentación

d)

Son más rápidas que CNN

6.

¿Qué tareas son ideales para las RNN?

a)

Reconocimiento de imágenes

b)

Procesamiento de secuencias de texto

c)

Análisis de redes sociales

d)

Clasificación de colores

7.

¿Qué algoritmo se utiliza para entrenar RNN?

a)

Backpropagation

b)

Retropropagación a través del tiempo (BPTT)

c)

Random Forest

d)

PCA

8.

¿Qué tipo de red neuronal es más usada en visión por computadora?

a)

CNN

b)

RNN

c)

MLP

d)

SOM

9.

¿Cuál es la función principal de una convolución en CNN?

a)

Generar ruido

b)

Extraer características

c)

Aumentar el tamaño de la imagen

d)

Mezclar pixeles

10.

¿Qué operación se aplica después de la convolución en una CNN?

a)

Softmax

b)

Pooling

c)

Normalización

d)

Backpropagation

11.

¿Qué efecto tiene el pooling en una CNN?

a)

Aumenta el tamaño de los datos

b)

Reduce redundancias y parámetros

c)

Destruye la información

d)

Duplica los filtros

12.

¿Cuál es el tipo de pooling más común en CNN?

a)

Average Pooling

b)

Max Pooling

c)

Min Pooling

d)

Random Pooling

13.

¿Qué hardware es ideal para entrenar CNN a gran escala?

a)

CPU

b)

FPGA

c)

GPU o TPU

d)

Memoria RAM

14.

¿Qué representa un “feature map” en CNN?

a)

Imagen aleatoria

b)

Mapa de pesos

c)

Conjunto de características extraídas

d)

Vector de salida final

15.

¿Cuál de estas NO es un tipo principal de red neuronal?

a)

CNN

b)

RNN

c)

MLP

d)

SQL

16.

¿Qué red neuronal se usa más para predicción de series temporales?

a)

CNN

b)

RNN

c)

MLP

d)

Feedforward simple

17.

¿Cuál es la última etapa en una CNN antes de la salida?

a)

Capa convolucional

b)

Capa de pooling

c)

Capa totalmente conectada

d)

Capa de memoria

18.

¿Qué hace la capa totalmente conectada en CNN?

a)

Duplica parámetros

b)

Aplana los datos y clasifica

c)

Elimina filtros

d)

Genera ruido

19.

En el ejemplo de clasificación de un auto, ¿qué genera la capa de salida?

a)

Una imagen filtrada

b)

Una probabilidad por clase

c)

Una serie de convoluciones

d)

Un vector de pesos

20.

¿Cuál de estas aplicaciones es típica de las CNN?

a)

Predicción del clima

b)

Clasificación de imágenes

c)

Traducción automática

d)

Optimización de bases de datos