Redes Neuronais Artificiais

Question 1

o que é uma Rede Neuronal Artificial (RNA)?

Answer 1

Uma rede neuronal artificial é um sistema computacional de base conexionista para a resolução de problemas.

Question 2

Complete a frase:

Uma RNA é concebida com base num modelo simplificado do ___________________.

Answer 2

sistema nervoso central dos seres humanos.

Question 3

Complete a frase:
Uma RNA é definida por uma estrutura interligada de unidades computacionais, designadas ______, com capacidade de _________.

Answer 3

• neurónios

- aprendizagem

Question 4

Quais são as aplicações possíveis de RNAs?

Answer 4

• Reconhecimento de carateres
• Deteção de fraudes
• Reconhecimento de áudio/vídeo

Question 5

Complete estas frases acerca do Neurónio:

1. ____________ de composição da RNA
2. Identificado pela sua _____ na rede
3. Caraterizado pelo ____________.

Answer 5

1. Unidade computacional
2. posição
3. valor do estado

Question 6

O que é um Axónio?

Answer 6

Um axónio é uma via de comunicação entre os neurónios.

Question 7

Verdadeiro ou Falso? Reescreva as falsas para as tornar verdadeiras:

1. Os axónios podem ligar qualquer neurónio, incluindo o próprio.
2. As ligações não podem variar ao longo do tempo.
3. A informação é bidirecional, circula em todos os sentidos.

Answer 7

1. V
2. F. As ligações podem variar ao longo do tempo.
3. A informação circula num só sentido.

Question 8

O que são Sinapses?

Answer 8

Sinapses são o ponto de ligação entre axónios e neurónios.

Question 9

Complete a frase:

O valor da sinapse determina o _______ do sinal a entrar no neurónio: _______, ______ ou ______.

Answer 9

• peso
• excitativo
• inibidor
• nulo

Question 10

Verdadeiro ou falso?

A aprendizagem da RNA é estática, a variação do tempo não apresenta qualquer influencia.

Answer 10

Falso. A variação do tempo determina a aprendizagem da RNA.

Question 11

Complete as frases sobre o conceito de Ativação:

1. O valor da ativação é representado por _______.
2. O valor da ativação ______ com o tempo.
3. A gama de valores _____ com o modelo adotado.

Answer 11

1. um único valor
2. varia
3. varia (Nota: normalmente está dependente das entradas e de algum efeito de memória)

Question 12

Complete a frase sobre o conceito de Transferência:

O valor de transferência de um neurónio determina ________ que é colocado na _____.

Answer 12

• o valor

- saída

Question 13

Que arquiteturas (topologias) de organização dos neurónios existem?

Answer 13

• Arquitetura Feed Foward, de uma só camada (Perceptron)
• Arquitetura Feed Forward, multi-camada (Multi-Layer Perceptron)
• Arquitetura recorrente

Question 14

Quais os tipos de aprendizagem (treino) dos RNA que existem?

Answer 14

Com e sem supervisão

Question 15

O treino de uma RNA corresponde à aplicação de regras de aprendizagem, por forma a fazer variar os pesos das ligações (sinapses). Quais as regras de aprendizagem mais comuns?

Answer 15

• Hebbian Learning Rule
• Perceptron Learning Rule
• Widrow-Hoff Learning Rule
• Competitive Learning Rule
  (- Correlation Learning Rule)
  (- Outstar Learning Rule)

Question 16

Descreva a Hebbian Learning Rule.

Answer 16

Se dois neurónios adjacentes sofrem variações no mesmo sentido, o peso da ligação deve aumentar. Por sua vez, se as variações acontecem em sentido oposto, o peso da ligação deve diminuir.

Question 17

Descreva a Perceptron Learning Rule.

Answer 17

Desenvolvida para aprendizagem supervisionada, os pesos iniciais são atribuídos aleatoriamente. Os inputs são processados pela rede e comparados com o output desejado

Question 18

Descreva a Widrow-Hoff Learning Rule (em comparação com Peceptron Learning).

Answer 18

A principal diferença para Peceptron Learning é a de que é usado um sinal linear e não binário para cálculo do erro e consequente atualização dos pesos.

Question 19

Descreva o Competitive Learning Rule.

Answer 19

Em Competitive Learning, os neurónios de output competem entre si para representarem o padrão de input. O neurónio com maior output para um dado input é declarado vencedor, sendo o único a alterar os pesos.