Fundamentos de Redes Neuronales

Audio automático activado: las próximas preguntas se leerán al hacer clic en Seguir.

1. 1

   ¿Qué es una neurona en una red neuronal?

   A Una unidad básica que recibe y procesa información B Un tipo de software utilizado para entrenamiento de redes C Un algoritmo que determina la precisión de la red
2. 2

   ¿Cuál es la función del algoritmo de retropropagación?

   A Actualizar los datos de entrada en tiempo real B Conectar diferentes neuronas entre capas C Ajustar los pesos de la red para minimizar el error
3. 3

   ¿Qué es el aprendizaje supervisado?

   A Método donde el sistema detecta patrones sin etiquetas B Método donde el modelo entrena con datos etiquetados C Método que no utiliza ningún tipo de datos de entrenamiento
4. 4

   ¿Para qué se utiliza una función de activación en una red neuronal?

   A Introducir no linealidad en el modelo B Reducir el tamaño de entrada de los datos C Aumentar la cantidad de capas de la red
5. 5

   ¿Qué hace la regularización en una red neuronal?

   A Incrementar la precisión de los datos de entrada B Eliminar datos que no siguen patrones C Prevenir el sobreajuste del modelo
6. 6

   ¿Qué es una capa oculta en una red neuronal?

   A Una capa entre la entrada y la salida donde ocurre el procesamiento B Una capa únicamente de salida que calcula el resultado final C Una capa que actúa como controlador de datos de entrada
7. 7

   ¿Cuál es el propósito del proceso de entrenamiento en las redes neuronales?

   A Eliminar datos irrelevantes del conjunto de entrenamiento B Ajustar los pesos y sesgos para mejorar la predicción C Dividir los datos en grupos para evaluación separada
8. 8

   ¿Qué ocurre en la etapa de validación de un modelo de red neuronal?

   A Se generan datos sintéticos para mejorar el modelo B Se entrena el modelo con nuevos datos no vistos C Se evalúa el desempeño del modelo en datos de prueba
9. 9

   ¿Cuál es la diferencia entre una red neuronal y una red profunda?

   A La red profunda solo procesa datos no lineales B La red profunda contiene más capas ocultas que una red estándar C La red estándar siempre tiene activación lineal
10. 10

    ¿Qué significa que un modelo de red tenga generalización?

    A Capacidad del modelo para realizar predicciones precisas en datos no vistos B Que el modelo reduce su tasa de aprendizaje con cada iteración C El uso exclusivo de datos etiquetados en el entrenamiento