Minicurso de Introdução a Redes Neurais Artificiais
Prof. Msc. Dario Calçada
Lista de Exercícios 04
1) Explique se é possível realizar o treinamento da rede PMC (MLP), por meio do
algoritmo backpropagation, quando se inicializa todas as matrizes de pesos com
elementos nulos. Discorra também se há então alguma implicação quando se
inicializa todos os elementos das matrizes com valores iguais(diferentes de zero).
2) Considerando-se os problemas envolvendo aproximação de funções, discorra então
se há alguma vantagem e/ou desvantagem em se utilizar a função ativação linear
para neurônios da camada de saída da rede ao invés do uso da tangente hiperbólica.
3) Explique o que são situações de underfitting e overfitting, descrevendo-se também
os meios para as suas detecções e as técnicas utilizadas para seu contorno.
4) Discorra sobre as eventuais consequências de se utilizar um valor muito elevado
para o termo de aprendizagem {η} em contraposição a um valor muito pequeno para
o termo de momentum {α}.
5) Seja um problema de classificação de padrões composto apenas por duas classes,
sendo que a respectiva fronteira de separação é representada por uma região
convexa compacta (fechada e limitada). Estime então qual seria a quantidade
mínima possível de neurônios que poderia estar associado á primeira camada
neural escondida.
6) Considere para o exercício anterior a situação de que a fronteira de separabilidade
entre as classes é agora representada por duas regiões compactas disjuntas, sendo
uma convexa e outra não-convexa. Estime então qual seria a quantidade mínima de
neurônios tanto para a primeira como para a segunda camada neural escondida.
7) Considere a ação de se aplicar o PMC (MLP) em um problema envolvendo
aproximação de funções. As entradas da rede são a temperatura e a pressão, sendo
que a saída fornece a quantidade de calor a ser inserida numa caldeira. O PMC (MLP)
(após o treinamento) deverá ser colocado em operação com o objetivo de auxiliar
no controle da caldeira. Explique qual seria o primeiro procedimento a ser
verificado frente aos novos valores de pressão e temperatura que estarão chegando
às suas entradas.
8) Explique se é possível assumir valores nulos para os limiares de todos os neurônios
da última camada de um PMC (MLP), quando de sua aplicação em um problema
envolvendo aproximação de funções.
9) Discorra se é possível aplicar o PMC (MLP), em problemas envolvendo aproximação
de funções, quando se assume a função de ativação linear para todos os neurônios
de sua última camada intermediária.
10) Discorra sobre a necessidade do pré-processamento das amostras de treinamento,
explicitando-se ainda a sua influência na velocidade de treinamento da rede PMC
(MLP)