APRENDIZADO DE MQUINA

LISTA EXERCCIOS

1. O que aprendizagem de mquina? O que necessrio para poder aplicar este tipo de
tcnicas a um problema?
2. Descreva o processo de aprendizado supervisionado e no supervisionado.
3. Elabore um diagrama de blocos que ilustre o funcionamento do treinamento
supervisionado.
4. O que significa mnimo local em treinamento supervisionado?
5. Por que existem arquiteturas distintas de redes neurais artificiais?
6. O que significa aprendizagem em redes neurais artificiais?
7. Quais as principais diferenas existentes entre os mtodos de treinamento
supervisionado e no-supervisionado.
8. Explique por que o Perceptron somente consegue classificar padres cuja fronteira de
separao entre as classes seja linear.
9. Explique o que so situaes de underfitting e overfitting, descrevendo- se tambm os
meios para as suas deteces e as tcnicas utilizadas para o seu contorno.
10. Considere os aspectos da arquitetura neural, discorra sobre trs diferenas entre redes
MLP e RBF.
11. Explique o princpio de funcionamento do KNN.
12. Explique o princpio de operao do Simulated Annealing.
13. Explique o princpio de operao da Busca Tabu
14. Explique o funcionamento do processo de otimizao via algoritmos genticos.
15. Compare as abordagens Simulated Annealing, Busca Tabu e Algoritmos Genticos.
16. Qual o princpio por trs da navalha de Occam?
17. No contexto dos algoritmos genticos, como o processo de busca para chegar a soluo
de um problema realizada?
18. No contexto de sistemas difusos, quais so as etapas de raciocnio envolvidas na soluo
de um dado problema?
19. No contexto de redes neurais artificiais, quais so as etapas de treinamento de uma rede
MLP utilizando o algoritmo de treinamento Backpropagation?
20. Descreva o funcionamento do Algoritmo ID3 (rvore de Deciso).
 21. O grafo abaixo mostra a ligao entre 5 cidades e as respectivas distncias em
quilmetros:

Tem-se um problema onde necessrio passar por todas as cidades, apenas uma vez.
O objetivo encontrar uma rota de menor custo usando um algoritmo gentico.

a) Proponha uma maneira de codificar os cromossomos.

b) Defina uma funo de aptido para avaliar a qualidade dos cromossomos.

c) Gere dois cromossomos e avalie a aptido deles.

d) Realize o cruzamento entre os cromossomos.

e) Aplique uma mutao em um gene dos cromossomos.

f) Aplique a funo de aptido nos descendentes gerados verificando se a soluo

encontrada melhor ou no.

22. Considere uma aplicao que possui quatro entradas e duas sadas. O projetista
menciona que neste caso a rede feedforward de camadas mltiplas a ser implementada
deve conter necessariamente quatro neurnios na primeira camada escondida. Discorra
se tal informao pertinente.
23. Em relao ao exerccio anterior, cite alguns fatores que influenciam na determinao de
nmero de camadas escondidas de uma rede feedforward de camadas mltiplas.
24. Quais as principais diferenas existentes entre os mtodos de treinamento
supervisionado e no-supervisionado.
25. Explique por que o Perceptron somente consegue classificar padres cuja fronteira de
separao entre as classes seja linear.
26. Explique se possvel realizar o treinamento da rede PMC, por meio do algoritmo
Backpropagation , quando se inicializa todas as matrizes de pesos com elementos
nulos. Discorra tambm se h ento alguma implicao quando se inicializa todos os
elementos das matrizes de pesos com valores iguais (diferentes de zeros).
27. Explique quais seriam as eventuais implicaes em se assumir a mesma varincia para
todas as funes de ativao dos neurnios que compem a camada intermediria da
rede RBF.
28. Considerando novamente o problema do ou-exclusivo {porta Xor}, discorra sobre a
quantidade mnima de neurnios que seriam necessrios na camada intermediria da
RBF visando a soluo do problema.
29. Para problemas de classificao de padres, quais seriam as eventuais vantagens e
limitaes da rede RBF frente ao PMC.
30. Para problemas de classificao de padres, quais seriam as eventuais vantagens e
limitaes do SVM frente ao PMC.