D. Examen 2 - Inteligencia Artificial II 10G

Examen 2: Inteligencia Artificial II - 10G https://canvas.instructure.
com/courses/939933/quizzes/1681377
Examen 2
Fecha límite No hay fecha de vencimiento Puntos 22 Preguntas 41 Tiempo límite 105 minutos
Instrucciones
Resuelva las siguientes preguntas y responda en el lugar asignado. En esta evaluación usted podrá volver a las preguntas ya contestadas. Las
respuestas numéricas que contengan cifras decimales deben ser ingresadas utilizando el punto "." como separador decimal, y con hasta 3
decimales. Se admite solo valores numéricos y un signo negativo, de ser el caso. No introduzca fracciones ni símbolos como "/", "+", "^". Todo
esto siempre que la pregunta no indique otra cosa.
Las preguntas están distribuidas de la siguiente manera:
PREGUNTAS DIFICULTAD BAJA: 30 preguntas x 0.4 c/u = 12 ptos.

PREGUNTAS DIFICULTAD MEDIA: 8 preguntas x 0.5 c/u = 4 ptos.
PROBLEMAS: 3 preguntas x 2 c/u = 6 ptos.
TOTAL: 41 preguntas, 22 puntos (2 de bonus). Si obtiene más de 20, su nota será truncada en 20
Historial de intentos
Intento Tiempo Calificación
EL ÚLTIMO Intento 1 105 minutos 13.38 de 22
Las respuestas correctas están ocultas.
Calificación para esta evaluación: 13.38 de 22

Enviado 25 Jul en 19:34
Este intento tuvo una duración de 105 minutos.
Pregunta 1 0.4 / 0.4 pts
Cierto clasificador trabaja con un conjunto de datos para los cuales
Y = [1 0 1 0 1 0 1 0]T
Las predicciones de este clasificador son:

Yhat = [1 0 0 0 1 0 1 1]T
Entonces, el error de clasificación es:
1 de 24 25/07/2016 19:36
Examen 2: Inteligencia Artificial II - 10G https://canvas.instructure.com/courses/939933/quizzes/1681377
Sea una matriz de imagen P:
Calcule el histograma proporcional acumulativo, definido por:
y anote el valor de a continuación:
Incorrecto Pregunta 3 0 / 0.4 pts
Se utiliza un perceptrón con pesos W=[-1;-2;1], para predecir la clase (-1 ó 1) para la siguiente matriz de
datos:
X=
03
1 -2
1 -3
-2 0
-3 3
Además, la matriz de etiquetas para este conjunto es:
Y=
1
-1
1
1
-1
Entonces, la célula acierta al predecir la etiqueta del 3er ejemplo y acierta al predecir la etiqueta del 5o.
2 de 24 25/07/2016 19:36
ejemplo.
Respuesta 1:
acierta
Respuesta 2:
acierta
Imagine el siguiente código en MATLAB:
Al ejecutar el código se obtendría:
A=
0 -1
10
21
3 de 24 25/07/2016 19:36
Considere el siguiente código en MATLAB:
El resultado que quedaría almacenado en la variable "r" luego de ejecutar el código sería:
[-1;-6;-9]
Se tienen las siguientes imágenes:
IMAGEN 1:
IMAGEN 2:
4 de 24 25/07/2016 19:36
IMAGEN 3:
Y de estas imágenes se ha obtenido los histogramas proporcionales acumulativos (mostrados aquí en

desorden):
¿A qué foto corresponde cada HPA?
a
imagen 1
b
imagen 3
c
imagen 2
5 de 24 25/07/2016 19:36
La regla de aprendizaje para el ADALINE es:
Se tiene la siguiente matriz P para una imagen en escala de grises:
y el siguiente filtro:
F = [0 1 0;
-1 0 1;
0 1 0];
Calcule utilizando convolución con este filtro.
6 de 24 25/07/2016 19:36
Suponga un perceptrón multicapa de 5 neuronas de entrada, 4 neuronas en la capa oculta y 2 neuronas

en la capa de salida. Para este perceptrón, las dimensiones de la matriz serían:
Respuesta 1:
Respuesta 2:
Se utiliza un perceptrón con pesos
W=
[3;2;1;-1]
para predecir la clase (-1 ó 1) para la siguiente matriz de datos:
X=
0 2 -1
-1 -2 3
3 -1 -1
301
-3 3 1
La salida para el 1er ejemplo es y para el 4o ejemplo es
Respuesta 1:
Respuesta 2:
7 de 24 25/07/2016 19:36
Sin responder Pregunta 11 0 / 0.4 pts
Se utiliza un perceptrón con pesos
W=
[3;2 ;1;-1]
para predecir la clase (-1 ó 1) para la siguiente matriz de datos:
X=
0 2 -1
-1 -2 3
3 -1 -1
301
-3 3 1
La salida para el 1er ejemplo es y para el 4o ejemplo es
Respuesta 1:
8 de 24 25/07/2016 19:36
Respuesta 2:
La función de activación en el perceptrón multicapa es la función sigmoidal
Para esta función, calcule
Suponga un perceptrón multicapa de 5 neuronas de entrada, 4 neuronas en la capa oculta y 2 neuronas

en la capa de salida. Para este perceptrón, las dimensiones de la matriz serían:
Respuesta 1:
Respuesta 2:
Suponga un perceptrón multicapa con una capa oculta para el cual:
9 de 24 25/07/2016 19:36
El peso sináptico de la conexión que va desde la unidad de sesgo de la capa de entrada hacia la tercera
neurona de la capa oculta es:
Se tiene la siguiente matriz P para una imagen en escala de grises:
y el siguiente filtro:
F = [0 0 -1;
0 1 0;
-3 2 -5];
Calcule utilizando convolución con este filtro y zero padding.
10 de 24 25/07/2016 19:36
En un perceptrón multicapa, la propagación hacia adelante se utiliza para Hallar la respuesta de la red
(yhat) dado un vector de características x. y el algoritmo de backpropagation se utiliza para Entrenar la red
Respuesta 1:
Hallar la respuesta de la red (yhat) dado un vector de características x.
Respuesta 2:
Entrenar la red
Se obtiene la siguiente matriz de confusión para el rendimiento de un clasificador:
CM =
810
261
0 3 10
Si la clase 1 es "perros", la clase 2 es "gatos" y la clase 3 es "osos", diga cuántos gatos fueron
clasificados como osos.
11 de 24 25/07/2016 19:36
Suponga un perceptrón multicapa con una capa oculta para el cual:
El peso sináptico de la conexión que va desde la segunda neurona de la capa de entrada hacia la
primera neurona de la capa oculta es:
Se tiene en un conjunto de entrenamiento:
X=
1 2
3 -2
2 -1
-2 0
El número de ejemplos en este conjunto es:
Parcial Pregunta 22 0.2 / 0.4 pts
Suponga que d es la dimensión de los vectores de características. Relacione según corresponda:
Célula de McCulloch-Pitts
Tiene d entradas. Resuelve problemas de regresión.
Perceptrón
12 de 24 25/07/2016 19:36
Tiene d+1 entradas. Una de las entradas es 1. Resuelve
Se desea utilizar una red neuronal de 3 capas para analizar 500 ejemplos. Si los vectores de
características tienen dimensión 8 y se quiere clasificar en clases "Rostro" y "No rostro", entonces es
necesario que este perceptrón tenga 8 neuronas en la capa de entrada y 2 neuronas en la capa de salida
(no considere las neuronas de sesgo).
Respuesta 1:
Respuesta 2:
Relacione según corresponda:
Potencial de umbral en una neurona

-70 mV
biológica.
Potencial de acción en una neurona

+40 mV
biológica (voltaje cuando la neurona
dispara).
Potencial de reposo en una neurona

-50 mV
biológica.
¿Cuál es el valor de a luego de ejecutar el siguiente código en MATLAB?
13 de 24 25/07/2016 19:36
Sea una matriz de imagen P:
Si
el valor de sería:
En un máquina "inteligente", el proceso de aprendizaje corresponde a una "sintonización" de:
Los pesos
14 de 24 25/07/2016 19:36
Imagine el siguiente código en MATLAB:
Seleccione cuál(es) de las siguientes instrucciones produciría un error:
Cierto clasificador trabaja con un conjunto de datos para los cuales
Y = [1 2 1 2 1 2 1 2]T
Las predicciones de este clasificador son:
Yhat = [1 2 2 2 1 2 1 1]T
Entonces, el elemento de la 2a. fila, 2a. columna de la matriz de confusión sería
15 de 24 25/07/2016 19:36
Seleccione la opción correcta en cada espacio en blanco:
Se le provee de un conjunto de entrenamiento }, donde

. Este se trata entonces de un problema de regresión . Por otra parte, si , este
sería un problema de clasificación .
Respuesta 1:
regresión
Respuesta 2:
clasificación
Aplicando un algoritmo de regresión sobre un conjunto de datos para los cuales
Y=
[6;9;5;4;7;8]
se obtiene
Yhat =
[6;8;3;4;6;6]
Calcule el error cuadrático medio, definido como
(Anote su respuesta con 3 decimales. Utilice el punto como separador decimal)
16 de 24 25/07/2016 19:36
Se utiliza un perceptrón inicializado con pesos W=[-1;3;1] para el siguiente conjunto de entrenamiento:
X=
01
03
3 -2
01
3 -1
Y=
-1
1
-1
1
1
El error de clasificación inicial para este perceptrón es:
Suponga que se definiera (hipotético) un parámetro
como un paso para aplicar el operador blanqueamiento.
Calcule para la siguiente matriz de imagen P:
9.4823e+06
17 de 24 25/07/2016 19:36
Evaluando la efectividad de un clasificador se ha obtenido la siguiente matriz de confusión:
5 1 0
2 8 1
0 3 10
Relacione según corresponda, para la clase 3:
Número de verdaderos positivos.

10
Número de falsos positivos.

3
Número de falsos negativos.

1
Número de verdaderos negativos

16
Seleccione la(s) opción(es) correcta(s)
Considere una neurona de McCulloch-Pitts con pesos sinápticos w=[1;-1;-2] y umbral 3. ¿En qué casos la
neurona dispara?
18 de 24 25/07/2016 19:36
Sea la matriz de imagen P:
P = [100 200 50 50;

150 255 0 30;
0 10 20 80;
0 10 50 110];
y el filtro:
F = [1 3 -5;
-1 0 1;
5 8 -2];
Halle aplicando convolución con este filtro.
19 de 24 25/07/2016 19:36
El resultado que quedaría en la variable "c" luego de ejecutarse el código sería:
Se tienen las matrices de datos:
X = [0 0 1;
010
011
1 0 0];
Y = [1;2;3;4];
Y se utiliza un ADALINE con tasa de aprendizaje =0.3 para analizarlos.
Si el ADALINE se inicializa con pesos
W_ini = [3;-2;-1;2]
calcule el vector W luego de entrar al while por primera vez y analizar el primer ejemplo (anote un solo
decimal para cada componente del vector):
W=[ ; ; ;
Respuesta 1:
-2
Respuesta 2:
-1
Respuesta 3:
0.8
20 de 24 25/07/2016 19:36
Incorrecto Pregunta 39 0 / 2 pts
Se tiene la matriz de imagen:
Y se aplica la operación "ecualización del histograma" para obtener una matriz "X".
En la 5a fila, 3a columna de la matriz X, encontramos el valor:
Pregunta 40 2 / 2 pts
Se entrena un perceptrón con los siguientes datos:
inizializándolo con
Ejecute el algoritmo de aprendizaje del perceptrón y responda: ¿cuál es el error de clasificación al

finalizar la primera pasada por el while?
21 de 24 25/07/2016 19:36
Incorrecto Pregunta 41 0 / 2 pts
Se entrena un perceptrón con los siguientes datos:
inicializándolo con
¿Cuál es el error de clasificación incial (es decir, antes de entrar al while)?
Calificación de la evaluación: 13.38 de 22
22 de 24 25/07/2016 19:36
23 de 24 25/07/2016 19:36
24 de 24 25/07/2016 19:36

D. Examen 2 - Inteligencia Artificial II 10G

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

D. Examen 2 - Inteligencia Artificial II 10G

Cargado por

Copyright:

Formatos disponibles

Examen 2: Inteligencia Artificial II - 10G https://canvas.instructure.

Las preguntas están distribuidas de la siguiente manera:

PREGUNTAS DIFICULTAD BAJA: 30 preguntas x 0.4 c/u = 12 ptos.

Intento Tiempo Calificación

EL ÚLTIMO Intento 1 105 minutos 13.38 de 22

Las respuestas correctas están ocultas.

Calificación para esta evaluación: 13.38 de 22

Pregunta 1 0.4 / 0.4 pts

Cierto clasificador trabaja con un conjunto de datos para los cuales

Las predicciones de este clasificador son:

Entonces, el error de clasificación es:

Pregunta 2 0.4 / 0.4 pts

Sea una matriz de imagen P:

Calcule el histograma proporcional acumulativo, definido por:

y anote el valor de a continuación:

Incorrecto Pregunta 3 0 / 0.4 pts

Además, la matriz de etiquetas para este conjunto es:

Pregunta 4 0.4 / 0.4 pts

Imagine el siguiente código en MATLAB:

Al ejecutar el código se obtendría:

Incorrecto Pregunta 5 0 / 0.4 pts

Considere el siguiente código en MATLAB:

Pregunta 6 0.4 / 0.4 pts

Se tienen las siguientes imágenes:

Y de estas imágenes se ha obtenido los histogramas proporcionales acumulativos (mostrados aquí en

¿A qué foto corresponde cada HPA?

Pregunta 7 0.4 / 0.4 pts

La regla de aprendizaje para el ADALINE es:

Pregunta 8 0.4 / 0.4 pts

Se tiene la siguiente matriz P para una imagen en escala de grises:

Calcule utilizando convolución con este filtro.

Pregunta 9 0.4 / 0.4 pts

Suponga un perceptrón multicapa de 5 neuronas de entrada, 4 neuronas en la capa oculta y 2 neuronas

Pregunta 10 0.4 / 0.4 pts

Se utiliza un perceptrón con pesos

para predecir la clase (-1 ó 1) para la siguiente matriz de datos:

La salida para el 1er ejemplo es y para el 4o ejemplo es

Sin responder Pregunta 11 0 / 0.4 pts

Considere el siguiente código en MATLAB:

Pregunta 12 0.4 / 0.4 pts

Se utiliza un perceptrón con pesos

para predecir la clase (-1 ó 1) para la siguiente matriz de datos:

La salida para el 1er ejemplo es y para el 4o ejemplo es

Incorrecto Pregunta 13 0 / 0.4 pts

La función de activación en el perceptrón multicapa es la función sigmoidal

Para esta función, calcule

Pregunta 14 0.4 / 0.4 pts

Suponga un perceptrón multicapa de 5 neuronas de entrada, 4 neuronas en la capa oculta y 2 neuronas

Incorrecto Pregunta 15 0 / 0.4 pts

Suponga un perceptrón multicapa con una capa oculta para el cual:

Pregunta 16 0.4 / 0.4 pts

Se tiene la siguiente matriz P para una imagen en escala de grises:

Calcule utilizando convolución con este filtro y zero padding.

Sin responder Pregunta 17 0 / 0.4 pts

Considere el siguiente código en MATLAB:

Pregunta 18 0.4 / 0.4 pts

Hallar la respuesta de la red (yhat) dado un vector de características x.

Pregunta 19 0.4 / 0.4 pts

Se obtiene la siguiente matriz de confusión para el rendimiento de un clasificador:

Pregunta 20 0.4 / 0.4 pts

Suponga un perceptrón multicapa con una capa oculta para el cual:

Pregunta 21 0.4 / 0.4 pts