Test de Redes Convolucionales: Evalúa tus conocimientos en Inteligencia Artificial

Question 1

¿Cuál de los siguientes elementos NO forma parte de la arquitectura de una Red Neuronal Convolucional (CNN)?

Accepted Answer

Capas recurrentes

Answer

Capas convolucionales

Answer

Capas de agrupación

Answer

Capas de normalización por lotes

Question 2

¿Qué tipo de función de activación se utiliza comúnmente en las capas convolucionales?

Accepted Answer

ReLU

Answer

Sigmoide

Answer

TanH

Answer

Lineal

Question 3

Selecciona el beneficio de utilizar CNN para tareas de visión artificial:

Accepted Answer

Extracción eficiente de características espaciales

Answer

Mayor precisión en todas las tareas

Answer

Menor costo de entrenamiento

Answer

Menor demanda computacional

Question 4

El uso de capas totalmente conectadas al final de una CNN permite:

Accepted Answer

Clasificación o regresión

Answer

Aplicación de agrupación

Answer

Extracción de características espaciales

Answer

Reducción de la dimensionalidad

Question 5

La optimización de la función de pérdida en las CNN se realiza típicamente mediante:

Accepted Answer

Descenso de gradiente estocástico (SGD)

Answer

Programación lineal

Answer

Algoritmo genético

Answer

Búsqueda de rejilla

Question 6

El uso de datos aumentados en las CNN ayuda a:

Accepted Answer

Mejorar la generalización y reducir el sobreajuste

Answer

Aumentar la precisión en el conjunto de datos de entrenamiento

Answer

Reducir el tiempo de entrenamiento

Answer

Disminuir el tamaño del modelo

Question 7

En el contexto de las CNN, la convolución es una operación que:

Accepted Answer

Aplica un filtro a la entrada y genera un mapa de características

Answer

Suma los valores de píxel en una ventana

Answer

Aplica una transformación lineal a la entrada

Question 8

En una capa convolucional, ¿cuál es la función del filtro?

Accepted Answer

Detecta patrones en los datos de entrada

Answer

Reduce la dimensionalidad de la entrada

Answer

Normaliza los valores de entrada

Answer

Extrae características de alto nivel

Question 9

¿Cuál es el objetivo de la agrupación (pooling) en las RNC?

Accepted Answer

Reducir la dimensionalidad y mejorar la invariancia

Answer

Detectar patrones específicos en los datos

Answer

Aumentar el número de características extraídas

Question 10

En un clasificador de imágenes basado en RNC, ¿cuál es la función de la capa totalmente conectada?

Accepted Answer

Clasificar la imagen en una categoría

Answer

Reducir la dimensionalidad de las características

Answer

Normalizar los valores de salida

Answer

Extraer características de la imagen

Question 11

En una tarea de reconocimiento facial, ¿qué tipo de RNC sería más adecuada?

Accepted Answer

RNC convolucional

Answer

RNC autocodificadora

Answer

RNC generativa

Answer

RNC recurrente

Question 12

En el entrenamiento de RNC, ¿cuál es la función de la función de pérdida?

Accepted Answer

Medir el error entre las predicciones y las etiquetas reales

Answer

Normalizar los valores de entrada

Answer

Ajustar los pesos de la red

Question 13

En una RNC para clasificación de objetos, ¿cómo se representan los objetos en la capa de entrada?

Accepted Answer

Como matrices de píxeles

Answer

Como vectores de características

Answer

Como gráficos

Question 14

En las Redes Neuronales Convolucionales (RNC), ¿qué capa extrae características de la capa anterior mediante operaciones de convolución?

Accepted Answer

Capa convolucional

Answer

Capa de normalización

Answer

Capa de agrupación

Answer

Capa totalmente conectada

Question 15

¿Cuál de las siguientes operaciones reduce la dimensionalidad de una capa de características extraídas en una RNC?

Accepted Answer

Agrupación

Answer

Normalización

Answer

Activación ReLU

Answer

Convolución

Question 16

En una RNC, ¿dónde se utilizan las capas totalmente conectadas?

Accepted Answer

Clasificar la entrada

Answer

Aplicar filtros

Answer

Reducir la dimensionalidad

Answer

Extraer características

Question 17

¿Cuál de los siguientes ejemplos ilustra adecuadamente una tarea de visión artificial adecuada para las RNC?

Accepted Answer

Reconocimiento de objetos en imágenes

Answer

Resolución de ecuaciones matemáticas

Answer

Traducción de texto

Answer

Predicción del clima

Question 18

¿Qué ventaja ofrecen las RNC sobre las redes neuronales tradicionales en el procesamiento de imágenes?

Accepted Answer

Conservación de la información espacial

Answer

Mayor velocidad de entrenamiento

Answer

Menor coste computacional

Answer

Mejor precisión en tareas no visuales

Question 19

En una RNC, ¿cuál es el objetivo de utilizar una función de activación ReLU?

Accepted Answer

Introducir no linealidad

Answer

Aumentar la velocidad de entrenamiento

Answer

Normalizar los datos

Answer

Reducir el sobreajuste

Question 20

En una RNC, ¿qué parámetro controla el tamaño del área de la imagen que influye en la salida de un filtro?

Accepted Answer

Tamaño del núcleo

Answer

Paso de convolución

Answer

Número de canales

Answer

Función de activación

Question 21

En una red neuronal convolucional, ¿cuál es la función principal de la capa de convolución?

Accepted Answer

Extraer características locales de la imagen utilizando filtros.

Answer

Clasificar la imagen en una categoría específica.

Answer

Agrupar características similares en la imagen.

Question 22

Un filtro en una capa convolucional se puede interpretar como:

Accepted Answer

Un detector de patrones específicos en la imagen.

Answer

Un algoritmo de compresión de imágenes.

Answer

Un generador de ruido aleatorio para la imagen.

Answer

Un clasificador de imágenes basado en colores.

Question 23

¿Qué técnica se utiliza para reducir el tamaño de las características extraídas en una capa convolucional?

Accepted Answer

Agrupación (pooling).

Answer

Capa de Dropout.

Answer

Normalización de datos.

Answer

Regularización L1.

Question 24

En una capa totalmente conectada en una RNC, ¿cómo se relacionan las neuronas con las características extraídas?

Accepted Answer

Cada neurona recibe información de todas las características extraídas de la capa anterior.

Answer

Las neuronas se conectan aleatoriamente a las características extraídas.

Answer

Cada neurona solo procesa información de una sola característica.

Question 25

La técnica de 'retropropagación' (backpropagation) se utiliza en una RNC para:

Accepted Answer

Ajustar los pesos de la red para minimizar el error de clasificación.

Answer

Reducir el tamaño de las características extraídas.

Answer

Extraer características de la imagen.

Question 26

¿Cuál de las siguientes es una ventaja de utilizar RNC para el procesamiento de imágenes?

Accepted Answer

Extracción automática de características relevantes.

Answer

Requieren menos datos de entrenamiento que otros modelos.

Answer

Son más fáciles de implementar que los modelos tradicionales.

Question 27

En el contexto de las RNC, ¿qué significa 'sobreajuste' (overfitting)?

Accepted Answer

La red se ajusta demasiado bien a los datos de entrenamiento y no generaliza bien a nuevos datos.

Answer

La red no aprende correctamente las características de la imagen.

Question 28

Las RNC se utilizan ampliamente en:

Accepted Answer

Reconocimiento de objetos, clasificación de imágenes y detección de rostros.

Answer

Procesamiento de lenguaje natural y traducción automática.

Answer

Análisis de series temporales y predicción.

Question 29

El concepto de 'campo receptivo' (receptive field) en una RNC se refiere a:

Accepted Answer

La región de la imagen que influye en la activación de una neurona en la capa convolucional.

Answer

El rango de valores que puede tomar la salida de una neurona.

Answer

La cantidad de información que una neurona puede procesar.

Question 30

¿Cuál de las siguientes operaciones matemáticas es la base de las capas convolucionales en las Redes Neuronales Convolucionales (RNC)?

Accepted Answer

Producto punto

Answer

División por constante

Answer

Suma de elementos

Answer

Multiplicación escalar

Question 31

Las Redes Neuronales Convolucionales (RNC) utilizan la agrupación (pooling) para:

Accepted Answer

Reducir la dimensionalidad de los mapas de características y mejorar la robustez a variaciones menores.

Answer

Clasificar directamente las imágenes en categorías

Answer

Aumentar la resolución de las imágenes de entrada

Answer

Extraer características de alto nivel de las imágenes

Question 32

¿Cuál es la función principal de las capas totalmente conectadas en una RNC?

Accepted Answer

Producir la salida final clasificando la imagen en una categoría específica.

Answer

Introducir no linealidad en la red

Answer

Reducir la dimensionalidad de los mapas de características

Answer

Extraer características locales de la imagen de entrada

Question 33

En una RNC, el tamaño del campo receptivo de un nodo se refiere a:

Accepted Answer

El área de la imagen de entrada a la que es sensible ese nodo.

Answer

El número de parámetros en la red

Answer

La función de activación utilizada en ese nodo

Answer

La profundidad de la red

Question 34

¿Cuál de las siguientes es una aplicación común de las RNC?

Accepted Answer

Reconocimiento de objetos en imágenes

Answer

Traducción de idiomas

Answer

Predicción de series temporales

Answer

Análisis de texto

Question 35

Las funciones de activación se utilizan en las RNC principalmente para:

Accepted Answer

Introducir no linealidad y permitir que la red aprenda relaciones complejas en los datos.

Answer

Regularizar la red y prevenir el sobreajuste

Answer

Normalizar las salidas de las capas convolucionales

Answer

Acelerar el proceso de entrenamiento

Question 36

¿Cuál de los siguientes tipos de RNC está especializado en tareas de segmentación de imágenes?

Accepted Answer

Red SegNet

Answer

Red VGG

Answer

Red ResNet

Answer

Red Inception

Question 37

En una Red Neuronal Convolucional (RNC), las capas convolucionales son responsables de:

Accepted Answer

Extraer características de la imagen de entrada mediante la aplicación de filtros.

Answer

Reducir la dimensionalidad de la imagen.

Answer

Introducir no linealidad en la red.

Answer

Clasificar directamente la imagen en una categoría.

Question 38

El proceso de 'pooling' en una RNC tiene como objetivo:

Accepted Answer

Resumir valores de características adyacentes y reducir la dimensionalidad.

Answer

Extraer características de alto nivel.

Answer

Ampliar la imagen de entrada.

Answer

Clasificar la imagen directamente.

Question 39

Una función de activación como ReLU en las RNC tiene la función de:

Accepted Answer

Introducir no linealidad y permitir el aprendizaje de relaciones complejas en los datos.

Answer

Aumentar la velocidad de convergencia del entrenamiento.

Answer

Regularizar la red y prevenir el sobreajuste.

Answer

Normalizar las salidas de las capas convolucionales.

Question 40

¿Cuál es la función principal de las capas totalmente conectadas en una red neuronal convolucional (RNC)?

Accepted Answer

Combinar las características extraídas en las capas anteriores y realizar la clasificación final.

Answer

Realizar la detección de bordes en la imagen.

Answer

Reducir la dimensionalidad de las características.

Question 41

El proceso de retropropagación en una RNC se utiliza para:

Accepted Answer

Ajustar los pesos de la red para minimizar el error de predicción.

Answer

Reducir la dimensionalidad de las características.

Answer

Extraer características de la imagen de entrada.

Question 42

El 'stride' en una capa convolucional representa:

Accepted Answer

El desplazamiento del kernel convolucional sobre la imagen de entrada.

Answer

El número de kernels convolucionales.

Answer

El tamaño del kernel convolucional.

Question 43

El 'padding' en una capa convolucional se emplea para:

Accepted Answer

Mantener el tamaño de la imagen de entrada durante la convolución.

Answer

Reducir el número de parámetros en la red.

Answer

Aumentar la resolución de la imagen de entrada.

Question 44

Una RNC se puede utilizar eficazmente para:

Accepted Answer

Todas las anteriores.

Answer

Reconocimiento de objetos en imágenes.

Answer

Generación de imágenes.

Answer

Segmentación de imágenes.

Question 45

El sobreajuste en una RNC ocurre cuando:

Accepted Answer

El modelo aprende los datos de entrenamiento de forma excesiva, lo que lleva a una mala generalización para datos nuevos.

Answer

La red no aprende los datos de entrenamiento lo suficientemente bien.

Answer

La red tiene demasiados parámetros.

Question 46

Para mitigar el sobreajuste en una RNC, se pueden utilizar técnicas como:

Accepted Answer

Regularización, abandono y aumento de datos.

Answer

Aumento del número de capas convolucionales.

Answer

Reducción del tamaño del kernel convolucional.

Answer

Aumento del tamaño del conjunto de entrenamiento.