Introducción a las Redes Neuronales: Cuestionarios y Ejercicios Interactivos

Question 1

¿Qué es una red neuronal artificial?

Accepted Answer

Un modelo computacional inspirado en el cerebro humano, diseñado para aprender de datos y realizar predicciones.

Answer

Una base de datos que almacena información en nodos conectados.

Answer

Un algoritmo que resuelve problemas mediante reglas predefinidas.

Answer

Un programa de computadora que imita el comportamiento humano.

Question 2

¿Qué tipo de red neuronal es adecuada para tareas de procesamiento de secuencias, como el análisis de texto o el reconocimiento de voz?

Accepted Answer

Red neuronal recurrente

Answer

Red neuronal convolucional

Answer

Red neuronal de propagación hacia atrás

Answer

Red neuronal autocodificadora

Question 3

¿Qué algoritmo se utiliza generalmente en el entrenamiento de redes neuronales?

Accepted Answer

Descenso por gradiente

Answer

Regresión logística

Answer

Máquinas de soporte vectorial

Answer

K-means

Question 4

¿Cuál de las siguientes no es una limitación de las redes neuronales?

Accepted Answer

Velocidad de entrenamiento extremadamente rápida

Answer

Interpretabilidad limitada

Answer

Gran cantidad de datos requerida para el entrenamiento

Answer

Potencial de sesgo

Question 5

¿Cuál es la función de activación más habitualmente empleada en las redes neuronales?

Accepted Answer

Función sigmoide

Answer

Función escalón

Answer

Función gaussiana

Answer

Función tangente hiperbólica

Question 6

¿Cuál es el objetivo principal de la retropropagación en el entrenamiento de una red neuronal?

Accepted Answer

Ajustar los pesos de la red para minimizar el error de salida

Answer

Regularizar la red para prevenir el sobreajuste

Answer

Inicializar los pesos de la red con valores aleatorios

Question 7

¿Cuál de las siguientes métricas es idónea para evaluar el rendimiento de una red neuronal en tareas de clasificación?

Accepted Answer

Precisión

Answer

Coeficiente de correlación

Answer

Desviación estándar

Answer

Error cuadrático medio

Question 8

¿Cuál es la ventaja principal que ofrecen las redes neuronales profundas frente a las redes neuronales poco profundas?

Accepted Answer

Mayor capacidad de representación de características

Answer

Menor necesidad de datos de entrenamiento

Answer

Menor tiempo de entrenamiento

Question 9

¿Qué tipo de red neuronal es más adecuada para procesar lenguaje natural?

Accepted Answer

Redes neuronales recurrentes (RNN)

Answer

Redes neuronales de propagación hacia adelante (FFNN)

Answer

Redes neuronales convolucionales (CNN)

Answer

Redes neuronales autoorganizadas (SOM)

Question 10

¿Cuál es la finalidad de utilizar una capa de abandono en una red neuronal?

Accepted Answer

Regularizar la red para reducir el sobreajuste

Answer

Aumentar la capacidad de representación de la red

Answer

Inicializar los pesos de la red con valores predeterminados

Answer

Convertir la red en un modelo determinista

Question 11

En una red neuronal perceptrón, la función de activación determina el:

Accepted Answer

Valor de salida del neurón

Answer

Valor de los pesos sinápticos

Answer

Sentido de propagación de la señal

Answer

Tasa de aprendizaje del algoritmo

Question 12

¿Cuál de las siguientes redes neuronales se utiliza para el procesamiento de imágenes?

Accepted Answer

Red Neuronal Convolucional

Answer

Máquina de Boltzmann

Answer

Red de Hopfield

Question 13

En el aprendizaje supervisado, ¿qué tipo de datos se utilizan para entrenar la red neuronal?

Accepted Answer

Datos de entrada y salida emparejados

Answer

Datos aleatorios

Answer

Solo datos de entrada

Answer

Solo datos de salida

Question 14

La sobrecarga en las redes neuronales se refiere a:

Accepted Answer

Un número excesivo de salidas falsas

Answer

Un número insuficiente de salidas correctas

Answer

Un tiempo de entrenamiento excesivo

Question 15

¿Cuál es una de las principales ventajas de utilizar redes neuronales para el reconocimiento de patrones?

Accepted Answer

Capacidad para aprender patrones complejos y no lineales

Answer

Precisión garantizada

Answer

Bajo coste computacional

Question 16

En una capa oculta de una red neuronal:

Accepted Answer

Las neuronas no están conectadas directamente a la salida

Answer

Todas las neuronas están conectadas entre sí

Answer

La función de activación es siempre lineal

Question 17

El retroceso de error calcula el gradiente de la función de coste utilizando:

Accepted Answer

Derivadas parciales

Answer

Búsqueda por fuerza bruta

Answer

Integración numérica

Question 18

Las redes neuronales profundas se caracterizan por tener:

Accepted Answer

Múltiples capas ocultas apiladas

Answer

Requerir poco entrenamiento

Answer

Ser siempre supervisadas

Answer

Ser siempre lineales

Question 19

Define el concepto de Red Neuronal:

Accepted Answer

Un modelo computacional inspirado en la estructura y funcionamiento del cerebro humano que procesa información y aprende de los datos.

Answer

Una metodología matemática para resolver problemas complejos.

Answer

Un sistema de almacenamiento y recuperación de información basado en un modelo de red.

Question 20

Indica cuál de los siguientes NO es un tipo de capa en una Red Neuronal:

Accepted Answer

Capa de iteración

Answer

Capa de salida

Answer

Capa oculta

Answer

Capa de entrada

Question 21

¿Cuál es la función principal de la capa oculta en una Red Neuronal?

Accepted Answer

Extraer características y patrones de los datos de entrada.

Answer

Generar la salida final de la Red Neuronal.

Answer

Recibir los datos de entrada y distribuirlos a las demás capas.

Question 22

¿Qué proceso implica ajustar los parámetros de una Red Neuronal para mejorar su rendimiento?

Accepted Answer

Aprendizaje supervisado

Answer

Aprendizaje no supervisado

Answer

Clasificación

Answer

Regresión

Question 23

Indica cuál de las siguientes características NO es típica de una Red Neuronal convolucional:

Accepted Answer

Capas totalmente conectadas entre neuronas de diferentes mapas de características.

Answer

Capas totalmente conectadas al final de la red.

Answer

Agrupación máxima para reducir la dimensionalidad.

Answer

Capas convolucionales que detectan patrones locales.

Question 24

¿Cuál de las siguientes características describe mejor a las redes neuronales artificiales? Son capaces de:

Accepted Answer

Aprender patrones a partir de datos

Answer

Resolver únicamente problemas lineales

Answer

Generar resultados precisos en todos los casos

Answer

Requerir reglas predefinidas para su funcionamiento

Question 25

En la arquitectura típica de una red neuronal, ¿qué función cumple la capa oculta?

Accepted Answer

Realiza el procesamiento intermedio entre la entrada y la salida

Answer

Proporciona las predicciones finales

Answer

Recibe los datos de entrada

Question 26

¿Cuál de los siguientes tipos de redes neuronales es más adecuado para tareas de clasificación de imágenes?

Accepted Answer

Red Convolucional (CNN)

Answer

Red Perceptrón Multicapa (MLP)

Answer

Red Recurrente (RNN)

Answer

Red Neuronal de Memoria a Largo Plazo (LSTM)

Question 27

¿Cuál es el propósito principal de utilizar una función de activación en una red neuronal?

Accepted Answer

Introduce no linealidad y evita el problema del gradiente que desaparece

Answer

Calcula el error de predicción

Answer

Normaliza los datos de entrada

Question 28

¿Qué métrica es comúnmente utilizada para medir el rendimiento de las redes neuronales de clasificación?

Accepted Answer

Precisión

Answer

Coeficiente Kappa

Answer

Error cuadrático medio

Answer

Coeficiente de correlación

Question 29

¿Qué tipo de aprendizaje se utiliza cuando una red neuronal es entrenada con un conjunto de datos etiquetados?

Accepted Answer

Aprendizaje supervisado

Answer

Aprendizaje no supervisado

Answer

Aprendizaje por refuerzo

Answer

Aprendizaje transferido

Question 30

¿Cuál es una de las principales ventajas de utilizar redes neuronales para resolver problemas complejos?

Accepted Answer

Su capacidad para aprender patrones no lineales a partir de datos

Answer

Su velocidad de procesamiento excepcional

Answer

Su precisión garantizada en todas las tareas

Question 31

Proporciona un ejemplo práctico de cómo se pueden utilizar las redes neuronales entrenadas para reconocer objetos en imágenes.

Accepted Answer

Detección de objetos en vehículos autónomos

Answer

Diagnóstico de enfermedades médicas

Answer

Predicción de patrones meteorológicos

Question 32

¿Cuál de las siguientes afirmaciones describe con mayor precisión el objetivo de una red neuronal?

Accepted Answer

Modelar patrones complejos en los datos, emulando la estructura y el funcionamiento del cerebro

Answer

Ejecutar rápidamente cálculos numéricos

Answer

Almacenar grandes cantidades de información

Question 33

¿Qué tipo de red neuronal es idónea para procesar secuencias de datos, como el texto o las señales de audio?

Accepted Answer

Red neuronal recurrente (RNN)

Answer

Red neuronal convolucional (CNN)

Answer

Red neuronal perceptrón multicapa (MLP)

Answer

Red neuronal autocodificadora (AE)

Question 34

¿Cuál es el propósito de la función de activación en una neurona artificial?

Accepted Answer

Introducir no linealidad y permitir que la neurona aprenda patrones complejos

Answer

Actualizar los pesos de la neurona

Answer

Normalizar los valores de entrada

Question 35

¿Qué algoritmo se utiliza habitualmente para entrenar redes neuronales en conjuntos de datos extensos?

Accepted Answer

Propagación hacia atrás

Answer

Regresión lineal

Answer

Agrupamiento jerárquico

Answer

Máquinas de soporte vectorial

Question 36

¿Cuál de las siguientes tareas NO es apropiada para ser abordada con redes neuronales?

Accepted Answer

Optimización de funciones convexas

Answer

Reconocimiento de objetos en imágenes

Answer

Predicción de series temporales

Answer

Traducción de idiomas

Question 37

¿En qué ámbito de aplicación destacan especialmente las redes neuronales convolucionales (CNN)?

Accepted Answer

Procesamiento de imágenes y reconocimiento de patrones

Answer

Minería de datos y análisis de texto

Answer

Modelado de series temporales

Answer

Inteligencia artificial general (AGI)

Question 38

¿Qué papel desempeñan las redes neuronales en el contexto del aprendizaje profundo?

Accepted Answer

Son los componentes fundamentales que se combinan para crear modelos de aprendizaje profundo complejos

Answer

No tienen relación con el aprendizaje profundo

Answer

Son conjuntos de datos utilizados para entrenar modelos de aprendizaje profundo

Answer

Son algoritmos que entrenan modelos de aprendizaje profundo

Question 39

¿Cuál de las siguientes afirmaciones sobre las redes neuronales es FALSA?

Accepted Answer

Son sistemas de software que no requieren entrenamiento.

Answer

Están inspiradas en el funcionamiento del cerebro humano.

Answer

Pueden aprender y mejorar su rendimiento con la exposición a datos.

Question 40

En una red neuronal, ¿qué es una neurona artificial?

Accepted Answer

Una unidad de procesamiento que recibe entradas, las pondera y genera una salida.

Answer

Un conjunto de datos de entrenamiento.

Answer

Un algoritmo de aprendizaje automático.

Question 41

En el contexto de las redes neuronales, ¿qué representa un peso?

Accepted Answer

La importancia relativa de una conexión entre neuronas artificial

Answer

El tipo de función de activación utilizada en una neurona artificial.

Answer

La cantidad de información que puede almacenar una neurona artificial.

Question 42

¿Qué tipo de red neuronal está diseñada específicamente para procesar y clasificar imágenes?

Accepted Answer

Red neuronal convolucional

Answer

Red neuronal recurrente

Answer

Perceptrón multicapa

Answer

Red neuronal autocodificadora

Question 43

En el entrenamiento de redes neuronales, ¿qué proceso se utiliza para ajustar los pesos y minimizar el error?

Accepted Answer

Retropropagación

Answer

Un método para construir la arquitectura de la red.

Answer

Un tipo de función de activación.

Question 44

Una red neuronal con capas ocultas intermedias se conoce como:

Accepted Answer

Perceptrón multicapa

Answer

Red neuronal convolucional

Answer

Red neuronal recurrente

Answer

Red neuronal autocodificadora

Question 45

En una red neuronal, ¿qué función cumple un sesgo?

Accepted Answer

Añadir un desplazamiento a la salida de una neurona antes de la función de activación.

Answer

Determinar la cantidad de información que puede almacenar una neurona.

Answer

Especificar el número de conexiones entre neuronas.

Question 46

En el contexto del entrenamiento de redes neuronales, ¿qué fenómeno ocurre cuando la red aprende los datos de entrenamiento muy bien pero no puede generalizar a nuevos datos?

Accepted Answer

Sobreajuste

Answer

Subajuste