Analise as seguintes afirmações sobre tipos de aprendizados ...
I – No aprendizado por memória, o mecanismo não enxerga os neurônios individualmente, mas sim a rede como um todo. Um estado de “energia” é atribuído ao sistema, dada uma configuração, e esse estado é corrigido com base em uma pseudo-temperatura (determinado momento no tempo que reflete uma configuração qualquer). Com o uso de uma função estocástica (aleatória) de variação em alguns pesos a cada ciclo, o sistema tende a um equilíbrio após vários ciclos, gerando a resposta esperada.
II – No Aprendizado Hebbiano, o peso de uma sinapse (conexão entre dois neurônios) é aumentado se ambos os neurônios são excitados simultaneamente (no mesmo momento temporal); por outro lado, esse peso é reduzido se ambos os neurônios são excitados em momentos diferentes.
III – No aprendizado de Boltzmann, a correção dos pesos se dá pela construção de um vetor de duplas, que contém duplas de valores de entrada e valores desejados de saída. Esse vetor tem suas duplas visitadas na vizinhança dos valores ideais de entrada e saída desejados a cada iteração, com os valores mutados para corrigir os pesos de entrada dos neurônios.
Assinale a alternativa CORRETA, conforme Oliveira (2018):
OLIVEIRA, R. F. Inteligência Artificial. Editora e Distribuidora Educacional S.A. 224pg. 2018.
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Alternativa correta: B - Apenas a afirmação II é correta.
1. Tema central da questão:
A questão aborda tipos de aprendizado em Redes Neurais Artificiais, um tema fundamental em Inteligência Artificial. Saber diferenciar os mecanismos de aprendizagem, como Hebbiano, Boltzmann e aprendizado por memória, é essencial em concursos para Engenharia de Software e áreas afins.
2. Resumo teórico:
- Aprendizado Hebbiano: Baseia-se no princípio de que "neurônios que disparam juntos fortalecem sua conexão". Se dois neurônios se ativam simultaneamente, o peso entre eles aumenta (Hebb, 1949).
- Redes de Boltzmann: Utilizam conceitos de energia e temperatura para modificar pesos de forma estocástica, buscando um estado de equilíbrio. O aprendizado envolve ajuste dos pesos via algoritmos inspirados na física estatística.
- Aprendizado por Memória: Relaciona-se a redes como Hopfield, focando em estados de energia e busca por estabilidade.
3. Justificativa da alternativa correta (II):
A afirmação II descreve corretamente o aprendizado Hebbiano: os pesos sinápticos aumentam se ambos os neurônios são ativados ao mesmo tempo. Essa regra é base de muitas redes neurais e é aceita pela literatura clássica.
4. Análise das alternativas incorretas:
- Afirmação I: Descreve parcialmente mecanismos de redes como Hopfield ou Boltzmann, mas mistura conceitos de energia, pseudo-temperatura e funções estocásticas de forma imprecisa. O termo "aprendizado por memória" não é uma classificação formal de aprendizado em IA.
- Afirmação III: Confunde o aprendizado em redes de Boltzmann com métodos supervisionados. O ajuste de pesos não ocorre pela visita de "duplas de entrada e saída" e não envolve mutação de valores nessas duplas, mas sim pela minimização de energia da rede.
5. Estratégias de interpretação:
Atente-se ao uso de termos técnicos e à coerência dos conceitos apresentados. Pegadinhas comuns envolvem nomes de métodos, termos técnicos misturados e processos descritos de forma genérica ou imprecisa.
Gostou do comentário? Deixe sua avaliação aqui embaixo!
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Comentários
Veja os comentários dos nossos alunos
numa prova eu ignorava tranquilamente essa kkk
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo
Conheça nossos planos