Test Tema 3: Redes para el Tratamiento Temporal, Redes de Funciones de Base Radial y Redes neuronales Modulares

Elige una o más opciones en cada pregunta

1. Sobre el modelo TDNN se puede afirmar ...

   1. Que esta basado en el Backpropagation con replicaciones de enlaces y neuronas
   2. Que esta basado en el Backpropagation con enlaces recurrentes Que utiliza representaciones internas invariantes ante el 1. desplazamiento

2. El modelo TDNN fue utilizado inicialmente para ....

   1. La supresión del eco en conexiones telefónicas analógicas
   2. Detección de dígitos escritos a mano
   3. El reconocimiento de palabras a partir de espectrogramas

3. El acrónimo TDNN proviene de ...

   1. Time Delay Neural Network
   2. Time Discriminant Neural Network
   3. Ninguno de los anteriores

4. Las redes de Redes de Funciones de Base Radial utilizan ...

   1. Un aprendizaje no supervisado y otro supervisado según la capa
   2. Un aprendizaje tipo Adaline o Perceptrón Simple en una de sus capas
   3. Neuronas lineales en todas sus capas

5. Entre los problemas de las Redes de Funciones de Base Radial tenemos ...

   1. El número de neuronas ocultas necesarias puede llegar a ser muy alto
   2. Fijar el número de conexiones recurrentes puede ser dificultoso
   3. Fijar los parámetros de las neuronas ocultas puede ser dificultoso

6. Podemos afirmar que las Redes de Funciones de Base Radial ...

   1. Siempre son capaces de superar la eficacia de un red backpropagation equivalente
   2. Se pueden clasificar como un tipo de red neuronal modular
   3. No pueden poseer neuronas con funciones de activación lineales

7. Los distintos módulos de una red neuronal modular son ...

   1. Distintas redes neuronales o no
   2. Sólo redes neuronales
   3. Sólo redes neuronales con aprendizajes diferentes

8. Como ejemplo de Redes Neuronales Modulares tenemos

   1. Sistemas que combinen un módulo de redes de aprendizaje no supervisado y otro supervisado
   2. Sistemas que combinen Algoritmos Genéticos como supervisores de Redes Neuronales
   3. Sistemas que combinen Algoritmos Genéticos con algoritmos de Redes Sociales

9. De las Redes Neuronales Modulares podemos afirmar que ...

   1. Pretenden mediante la descomposición del aprendizaje ayudar a incrementar la eficiencia
   2. Se basan generalmente en modelos más simples y pequeños que una red monolítica equivalente
   3. Utilizan aritmética modular en sus funciones de activación para solventar problemas no lineales