Tema 2

La función de activación F ...
1. procesa la señal de entrada para producir la señal de salida OUT de la neurona
2. procesa la señal de salida NET para producir la señal de salida OUT de la neurona
3. procesa la señal de entrada para producir la señal de salida NET
El nivel de activación de una neurona se determina cuando ...
1. todas las salidas se suman
2. todos los pesos se multiplican
3. todas las entradas ponderadas se suman
¿En qué clase de entrenamiento la regla de aprendizaje no considera la salida deseada?
1. Entrenamiento Aleatorio
2. Entrenamiento Supervisado
3. Entrenamiento Secuencial
4. Entrenamiento Repetitivo
5. Entrenamiento No Supervisado
¿Cuáles son las funciones de activación más utilizadas?
1. Las funciones senoidal y tangente
2. Las funciones tangente hiperbólica y arcosenoidal
3. Las funciones sigmoidal y tangente hiperbólica
¿En qué consiste el proceso de entrenamiento?
1. En la aplicación en paralelo de diferentes vectores de entrada para ajustar los pesos
2. En la aplicación secuencial de diferentes vectores de entrada para ajustar los pesos
3. En programar adecuadamente la red mediante algoritmos
¿Qué dos procedimientos de entrenamiento se pueden dar para una ANN?
1. Aleatorio y Determinista
2. Repetitivo y Secuencial
3. Supervisado y No Supervisado
¿En qué estriba la mejora de las redes multicapa?
1. En la función de activación lineal entre capas
2. En la función de activación no lineal entre capas
3. En el mayor número de capas y, por lo tanto, de conexiones entre PEs
¿Qué clase de algoritmos requieren el emparejamiento de cada vector de entrada con su correspondiente vector de salida?
1. Los de Entrenamiento Aleatorio
2. Los de Entrenamiento Supervisado
3. Los de Entrenamiento Secuencial
4. Los de Entrenamiento No Supervisado

Tema 2

Contesta a todas las preguntas en 2 minutos.