Redes Neuronais Artificiais Flashcards

1
Q

o que é uma Rede Neuronal Artificial (RNA)?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Complete a frase:

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

A

sistema nervoso central dos seres humanos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

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

A
  • neurónios

- aprendizagem

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Quais são as aplicações possíveis de RNAs?

A
  • Reconhecimento de carateres
  • Deteção de fraudes
  • Reconhecimento de áudio/vídeo
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Complete estas frases acerca do Neurónio:

  1. ____________ de composição da RNA
  2. Identificado pela sua _____ na rede
  3. Caraterizado pelo ____________.
A
  1. Unidade computacional
  2. posição
  3. valor do estado
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

O que é um Axónio?

A

Um axónio é uma via de comunicação entre os neurónios.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

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.
A
  1. V
  2. F. As ligações podem variar ao longo do tempo.
  3. A informação circula num só sentido.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

O que são Sinapses?

A

Sinapses são o ponto de ligação entre axónios e neurónios.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Complete a frase:

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

A
  • peso
  • excitativo
  • inibidor
  • nulo
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Verdadeiro ou falso?

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

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

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.
A
  1. um único valor
  2. varia
  3. varia (Nota: normalmente está dependente das entradas e de algum efeito de memória)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Complete a frase sobre o conceito de Transferência:

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

A
  • o valor

- saída

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Que arquiteturas (topologias) de organização dos neurónios existem?

A
  • Arquitetura Feed Foward, de uma só camada (Perceptron)
  • Arquitetura Feed Forward, multi-camada (Multi-Layer Perceptron)
  • Arquitetura recorrente
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

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

A

Com e sem supervisão

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

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?

A
  • Hebbian Learning Rule
  • Perceptron Learning Rule
  • Widrow-Hoff Learning Rule
  • Competitive Learning Rule
    (- Correlation Learning Rule)
    (- Outstar Learning Rule)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Descreva a Hebbian Learning Rule.

A

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.

17
Q

Descreva a Perceptron Learning Rule.

A

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

18
Q

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

A

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.

19
Q

Descreva o Competitive Learning Rule.

A

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.