Escolar Documentos
Profissional Documentos
Cultura Documentos
Prova 1 - Deep Learning 2017-2
Prova 1 - Deep Learning 2017-2
Instituto de Informática
Programa de Mestrado/Doutorado em Ciência da Computação
Disciplina de Redes Neurais Profundas (Deep Learning)
www.deeplearningbrasil.com.br
www.inf.ufg.br/~anderson
Instruções:
1. Não é permitido a consulta a outras pessoas.
2. A prova deve ser realizada individualmente.
3. Todo o restante é permitido (use se for capaz).
4. A avaliação tem início às 19:00h do dia 21/11/2017 com prazo para entrega
de 24h corridas (Durma se for capaz).
5. As respostas devem ser elaboradas de próprio punho
6. As folhas de respostas devem ter NO MÁXIMO 10 páginas (frente e verso).
7. O candidato pode usar qualquer coisa para escrever (caneta, lápis, sangue,
lágrimas…) ;(
8. Este curso adota a DISCIPLINA CONSCIENTE :)
Questão 1 (Dificuldade: ++) Apresente os cenários em que uma rede neural
multi-layer perceptron pode apresentar explosão ou desaparecimento do gradiente.
∞
Questão 2 (Dificuldade: ∑+ ) Treinar uma rede neural com regularização e após o
o
treino eliminar os pesos iguais a zero é igual a treinar a rede sem esses pesos desde o
início? Justifique.
∞
Questão 4 (Dificuldade: ∑+ ) A arquitetura de uma rede neural pode envolver diversos
o
elementos tais como, camadas de convolução, pooling, funções de ativação e
normalização por batch. Considerando os dois códigos utilizando o framework Keras,
explique o que acontecerá de diferente nas duas implementações e qual seria a
implementação que você usaria (a resposta poderá considerar situações específicas).
Questão 5 (Dificuldade: +++++) É possível que uma rede neural que faça uso do
algoritmo de treinamento do gradiente descendente estocástico apresente um
desempenho melhor do que o RMSProp (Root Mean Square Propagation)? Justifique
sua resposta apresentando subsídios para a mesma.
Questão 9 (Dificuldade: ++++) A rede neural denominada alexnet utiliza filtros 11x11
na primeira camada convolucional e filtros menores à medida que a profundidade
aumenta. Dito isto, pergunta-se:
Parte A) O que aconteceria se todos os filtros convolucionais tivessem a dimensão
3x3?
Parte B) O que aconteceria nas situações em que os filtros convolucionais tivessem a
dimensão 1x1?