Sei sulla pagina 1di 5
sages SS (CURSO: ENGENHARIA ELETRICA PERIODO/TURNO: 7 / Notumo DISCIPLINA: INTELIGENCIA COMPUTACIONAL PROFESSOR: MIKAELLA P. ALVES DIAS pata: 03/06/ Jolt NOME DO ALUNO! ue She “Antes de iniciar a prova, lela as instrugbes a seguir. 1. Preencha o cabegalho da prova com o seu nome 10 local indicado, 2. Confira o niimero de piginas ¢ questdes propostas. 3. A prova é individual e sem consulta, Por se tratar de um documento, deve ser escrita a caneta pedidos de revisio de provas feitas a lpis Resolva a prova de forms legivel Deixe sobre a mesa apenas caneta esferografica, lépise borrachs. E proibido o empréstimo de qualquer tipo de material Destigue o celular ‘A consulta a colegas ou a ulilizagio de quaisquer materiais nfo autorizados pelo professor seré considerada ‘raude, caso em que o professor recolheré a avaliagdo, aplicando nota zero aos alunos envolvidos. 9. Esta prova foi elaborada seguindo o contetido exposto no Plano de Ensino, 10, Ac final do tempo previsio, o professor reeolher a avaliagao. 2, ° QUESTAO 1 POSCOMP, 2016 - adaptada) (3.0 pontos): ‘A Logica Fuzzy foi introduzida por Zadeh em 1965 com o intuito de representar a variaco entre a completa falsidade e verdade absoluta. Ela pode ser considerada elemento fundamental em diversos sistemas, sendo considerada uma técnica de exceléncia no universo computacional. Texto do elaborador Sobre a Légica Fuzzy (Nebulosa), é correto afirmar que ela A) baseia-se na teoria clissica dos conjuntos que faz uso de/uma condigao bivalente de pertinéncia, B) admite tratar apenas valores concretos € inféiros que conjunto. /\ CC) suporta os modos de raciocinio que sto exato’ - todas as leis de probabilidade. (| ‘faz uso de conjuntos difusos 20s quais os Oo QUESTAO 2 (4,0 pontos) O Adaline © 0 Perceptron surgiram quase que simultaneamente. © Adaline é similar ao Perceptron, com diferenga apenas no seu algoritmo de treinamento, Enquanto 0 Perceptron ajusta os pesos somente ysis odin Come pon A page| XS ge Dine Tle tle Yeta. 6° prin, ac wweitoal & WMA de Mc e as quando um padrao é classificado incorretamente, 0 Adaline utiliza a regra Delta para minimizar 0 erro médio (MSE) apés cada padro ser apresentado, ajustando os pesos proporcionalmente ao erro. ‘Texto do claborador. Considerando-se que 0 problema a ser mapeado pelo ADALINE (com apenas um neurdnio), possua ‘comportamento semelhante 4 porta logica OR (entradas e saidas), explique ento se para essa situagao © proceso de treinamento (por meio do algoritmo regra Delta) conseguird resolver o problema proposto de maneira linear e quais seriam as vantagens em utilizar 0 ADALINE no Iyger do Percepiron. doom, Po & adelin ok fume. Comde. C5 Ga. oho. prelims x QUESTAO 3 (3,0 pontos! Redes de Miltiplas camadas sto constituidas por uma camada de entrada, uma ou mais camadas intermediarias (ou escondidas/ocultas) de unidades computacionais ¢ uma camada de saida. Elas foram criadas para resolver problemas que nao eram linearmente separiveis. Texto do elaborador. Com relagéo as redes MLP’s, avalie as afirmagSes seguintes. 7 1. A camada oculta possui esse nome porque ¢ através da camada intermediéria gde conseguimos prever a saida desejada para célculo do erro. Tl. O processamento realizado por cada nodo € definido pela combinagao Gos processamentos realizados pelos nodos da camada anterior que estad conectados a ele. & a camada de saida, A ferro. A pentiltima camada IIL. A tinica camada que tem nogdo precisa do erro gometido pela re liltima camada intermedidria recebe apenas uma estimativa sobre intermediaria, uma estimativa da estimativa, e assim por diante. E correto 0 que se afirma em A)I, apenas, B) Je Il, apenas. C)Le IIL, apenas. Ie M1, apenas. E) I, Ie Ui. Ae oO a a GIN ile Sabon oO QUESTAO 4 - (3.0 pontos} Nas redes tipo Perceptrons de Maltiplas Camadas com o algoritmo Backpropagation, verifica-se que 0 algoritmo consegue trabalhar com multicamadas, resolvendo problemas “ndo-linearmente separdveis” € utilizando aprendizado supervisionado. Texto do elaborador. Assinale a alternativa que aponta o aspecto que pode acarretar na qualidade da rede quando a mesma possuir um treinamento além do ponto desejado. A) Otimizago do tempo computacional no treinamento. Perda da quantidade de neurdnios existentes. / C) A rede memoriza padrdes aprendidos. D) Pesos permanecem fixos, iguais aos iniciais. Z E) Redugo do mimero de ciclos durante o treinamento QUESTAO 5 (4,0 pontos): Seja x={0,1,2,3,4} € A e B dois subconjuntos nebulosos de X, dados pela fungdo de pertinéncia ya e ub, respectivamente. a 2 3 4 maf, [05 fos foo, [i uBlo [02 [oa [03~ [0 Considerando a férmula de célculo sugerida por Zadeh para os operadores l6gicos E e OU. qual é 0 resultado da pertinéncia dos valores das trés expressdes a seguir: 1a(0) E wB(0); wa(2) OU BQ); Ha(3) E uB(3); pa(4) OU HB(1)? } A) 0; 0.3; 0.4 € 0.9. ( 0; 0.4; 0.3 e 1 €) 1; 0.4; 0.3 € 0.9. D)0; 03; 0460. B) 1,030.9 €0. SE QUESTAO 6 Observe os seguintes dados. baixa médio alto 150 160 170 180 190 21a Supondo que exista uma varidvel Altura que tenha sido modelada com varios valores linguisticos dos cconjuntos Fuzzy, conforme representado na figura acima, responda } 7 a) Qual universo de discurso? (1,0 ponto): [50 Ye 7b) Qual a varidvel linguis ALTURA ye) Qual a quantidade de valores linguisticos? (1,0 ponto): B - PiXo; Medio} Ato; Q- °. )°4) Para uma Altura igual a 1.55m, qual seria o grau de pertinéncia? E vetor possibilidade? (1,0 onto) Pprivord t (490) io ° \e) Qual o universo de discurso para a varidvel alto? (1,0 ponto): x 130 0 240 Cy UESTAO 7: Na figura abaixo, podemos ver a arquitetura de uma rede MLP e seus respectivos valores de pesos atribuidos no infcio do processo de teinamento. sur) Csr Tr) oe da rede) eo Cae Considere que os neurénios das camadas escondida e saida utilizam fungdo de ativacdo Sigmoidal e Taxa de aprendizagem= 0.5, responda: 9, 2) Qual valor da saida da rede? (5,0 pontos) as dit dies 3 Sy ‘Se a saida desejada for igual a 0.5 haveria divergéncia entre a saida calculada? Se sim, o que deveria ser feito? (2,5 pontos): e) Em um processo de treinamento de uma rede como apresentada acima, quais poderiam ser os Oo” critérios de parada do treinamento? (2,5 pontos): a) OEP ) ,= O61 9 J »[E==984 | ion MC dyin. ai 0 he elias» 0 ce | Em Spies dot Jr Ele do/re + ye « ang ds ps, Gripe te Cored a cael E dow ARE Pad rope C) Pale rine ch. Celis ch Titre) o> Lom no