Test de Redes Neuronales Recurrentes para Inteligencia Artificial

Question 1

¿Cuál es una de las principales ventajas de las Redes Neuronales Recurrentes (RNN)?

Accepted Answer

Capacidad de modelar secuencias de datos

Answer

Bajo consumo de memoria

Answer

Fácil y rápido entrenamiento

Answer

Alta precisión en tareas de clasificación

Question 2

¿Qué tipo de RNN es más adecuado para procesar datos secuenciales unidireccionales?

Accepted Answer

RNN simple

Answer

RNN bidireccional

Answer

LSTM

Answer

GRU

Question 3

¿En qué sector se aplican comúnmente las RNN?

Accepted Answer

Reconocimiento de voz

Answer

Análisis financiero

Answer

Optimización de redes

Answer

Control de procesos industriales

Question 4

¿Qué dificultad se suele encontrar al entrenar Redes Neuronales Recurrentes?

Accepted Answer

Problema del gradiente explosivo o desvanecido

Answer

Alta complejidad computacional

Answer

Falta de datos de entrenamiento

Answer

Sobreajuste

Question 5

¿Qué técnica se utiliza para mitigar el problema del gradiente explosivo o desvanecido en las RNN?

Accepted Answer

Recorte de gradiente

Answer

Reducción de la regularización

Answer

Aumento del tamaño del lote

Answer

Incremento de la tasa de aprendizaje

Question 6

¿Qué tipo de datos son más adecuados para el procesamiento con RNN?

Accepted Answer

Datos secuenciales

Answer

Datos estructurados

Answer

Datos no estructurados

Answer

Datos multimodales

Question 7

¿Qué algoritmo de entrenamiento se emplea para los modelos de RNN bidireccionales?

Accepted Answer

Retropropagación a través del tiempo

Answer

Optimización del enjambre de partículas

Answer

Algoritmo genético

Answer

Descenso del gradiente estocástico

Question 8

En una RNN, ¿cuál es la función principal de una función de puerta?

Accepted Answer

Controlar el flujo de información a través de la red regulando la activación de las neuronas y evitando el problema del gradiente que desaparece.

Answer

Inicializar los pesos de la red aleatoriamente.

Answer

Almacenar los estados ocultos de la red.

Question 9

¿Qué tipo de problemas se benefician especialmente del uso de RNN?

Accepted Answer

Reconocimiento de patrones y secuencias en datos de texto, audio o vídeo.

Answer

Detección de objetos en imágenes estáticas.

Answer

Clasificación de datos estructurados en tablas.

Question 10

En una RNN bidireccional, ¿qué ventaja aporta el uso de dos direcciones de propagación?

Accepted Answer

Mayor capacidad para capturar información contextual tanto del pasado como del futuro, mejorando la precisión en tareas de modelado de secuencias.

Answer

Reducción del tamaño de la red y sus requisitos de memoria.

Answer

Entrenamiento más rápido de la red debido a la paralelización de las direcciones.

Question 11

En una tarea de traducción automática, ¿qué tipo de capa de salida se suele utilizar en una RNN?

Accepted Answer

Capa logística suave para generar distribuciones de probabilidad sobre las palabras del vocabulario de salida.

Answer

Capa convolucional para identificar patrones en la secuencia de entrada.

Answer

Capa de agrupación para reducir la dimensionalidad de la salida.

Answer

Capa lineal para predecir directamente las palabras de salida.

Question 12

¿Cuál de las siguientes técnicas se utiliza para mitigar el problema del gradiente que desaparece en las RNN?

Accepted Answer

Unidades de Memoria a Largo Plazo (LSTM) con puertas de entrada, olvido y salida.

Answer

Recorte de gradiente para limitar la magnitud de las actualizaciones de peso.

Answer

Normalización por lotes para estandarizar las entradas de la red.

Answer

Abandono para desactivar aleatoriamente neuronas durante el entrenamiento.

Question 13

En una RNN, ¿qué representa el estado oculto?

Accepted Answer

Una representación interna de la información pasada de la secuencia, que almacena el contexto y permite a la RNN hacer predicciones basadas en el historial.

Answer

La salida de la capa de entrada en el momento actual.

Question 14

¿Qué es una función de activación de puerta?

Accepted Answer

Una función no lineal que determina la cantidad de información que fluye a través de una puerta en una RNN, regulando la propagación de la información.

Answer

Una función lineal que calcula la salida de una neurona en una RNN.

Answer

Una función de pérdida que mide el error de predicción de una RNN.

Question 15

Al implementar una RNN, ¿qué marco de aprendizaje automático proporciona herramientas y optimizaciones específicas para RNN, como capas recurrentes y funciones de activación adecuadas?

Accepted Answer

TensorFlow o PyTorch

Answer

Scikit-learn

Answer

Pandas

Answer

NumPy

Question 16

¿Qué capacidad única ofrecen las RNN que las diferencia de las redes neuronales convolucionales (CNN)?

Accepted Answer

Capacidad de procesar secuencias de datos temporales o textuales

Answer

Mayor precisión en tareas de clasificación de imágenes

Answer

Mejor manejo de datos espaciales

Answer

Menor coste computacional

Question 17

En una GRU, ¿cuál es el propósito de la 'puerta de reinicio'?

Accepted Answer

Controlar qué información pasada se descarta antes de actualizar la celda de memoria

Answer

Regular el flujo de gradiente

Answer

Calcular la activación de la celda de memoria

Question 18

Selecciona el tipo de problema de procesamiento del lenguaje natural en el que las RNN destacan sobre otros métodos:

Accepted Answer

Modelado del lenguaje

Answer

Detección de objetos

Answer

Clasificación de documentos

Answer

Reconocimiento de imágenes

Question 19

Cuando una RNN procesa una secuencia de entrada [x1, x2, x3], ¿qué representa su salida en el tiempo t=2?

Accepted Answer

Una representación vectorial que resume la información de [x1, x2]

Answer

Una predicción para x4

Answer

El valor de x3

Answer

La suma de [x1, x2, x3]

Question 20

Selecciona el algoritmo de entrenamiento que se utiliza principalmente para entrenar RNN debido a su capacidad de manejar dependencias temporales:

Accepted Answer

Retropropagación a través del tiempo (BPTT)

Answer

Descenso de gradiente estocástico (SGD)

Answer

Propagación directa

Answer

Optimización del enjambre de partículas

Question 21

¿Cuál es un desafío común al entrenar RNN que puede afectar a su rendimiento?

Accepted Answer

Gradientes de fuga o explosión

Answer

Falta de datos

Answer

Sobreajuste

Question 22

Selecciona la métrica de evaluación utilizada habitualmente para medir el rendimiento de las RNN en tareas de modelado del lenguaje:

Accepted Answer

Perplejidad

Answer

Precisión

Answer

Recall

Answer

F1-score

Question 23

¿Qué técnica se emplea para resolver el problema de las dependencias a largo plazo en las RNN, mejorando su capacidad para modelar secuencias extensas?

Accepted Answer

Atenciones

Answer

Regularización

Answer

Inicialización de he

Answer

Pocasionamiento

Question 24

¿Cuál de los siguientes NO es un tipo de Red Neuronal Recurrente (RNN)?

Accepted Answer

Red Neuronal Convolucional (CNN)

Answer

Red Neuronal de Memoria a Corto Plazo (LSTM)

Answer

Red Neuronal Atencional (RAN)

Answer

Red Neuronal Recursiva (RNN)

Question 25

¿Cuál es la principal ventaja de las RNN sobre las redes neuronales tradicionales?

Accepted Answer

Capacidad de procesar secuencias de datos

Answer

Mayor velocidad

Answer

Mayor facilidad de entrenamiento

Answer

Mayor precisión

Question 26

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

Accepted Answer

Reconocimiento del habla

Answer

Clasificación de imágenes

Answer

Generación de imágenes

Answer

Detección de objetos

Question 27

Describe el problema del desbordamiento de gradiente en las RNN.

Accepted Answer

Los gradientes se vuelven exponencialmente pequeños o grandes durante la propagación hacia atrás

Answer

Los gradientes se vuelven cero durante la propagación hacia atrás

Answer

Los gradientes se vuelven infinitos durante la propagación hacia atrás

Question 28

¿En qué se diferencian las RNN de las Redes Neuronales Atencionales (RAN)?

Accepted Answer

Las RNN procesan toda la secuencia, mientras que las RAN se centran en partes específicas

Answer

Las RAN son más precisas que las RNN

Answer

Las RAN son más rápidas que las RNN

Question 29

¿Cuál es una ventaja de las RNN convolucionales sobre las RNN tradicionales?

Accepted Answer

Capacidad de capturar relaciones espaciales

Answer

Mayor velocidad

Answer

Mayor precisión

Answer

Mayor facilidad de entrenamiento

Question 30

¿Cuál de las siguientes es una aplicación de las RNN multimodales?

Accepted Answer

Traducción automática

Answer

Clasificación de imágenes

Answer

Generación de imágenes

Answer

Detección de objetos

Question 31

¿Cuál de las siguientes es una arquitectura común de Redes Neuronales Recurrentes (RNN)?

Accepted Answer

LSTM (Redes de Memoria a Corto Plazo)

Answer

SVM (Máquinas de Vectores de Soporte)

Answer

CNN (Redes Neuronales Convolucionales)

Answer

NN Perceptrón (Redes Neuronales Perceptrón)

Question 32

¿Cuál es la principal ventaja de las RNN sobre las redes neuronales feedforward (alimentación hacia delante)?

Accepted Answer

Manejar dependencias temporales (memoria)

Answer

Menor tiempo de entrenamiento

Answer

Mayor precisión

Answer

Capacidad para procesar datos no estructurados

Question 33

¿Qué tipo de datos se utilizan normalmente como entrada para las RNN?

Accepted Answer

Secuencias (por ejemplo, series temporales, texto)

Answer

Gráficos

Answer

Tablas

Answer

Imágenes

Question 34

¿Qué hiperparámetro de RNN controla el número de nodos en la capa oculta?

Accepted Answer

Tamaño de la unidad

Answer

Épocas

Answer

Tasa de aprendizaje

Question 35

¿Qué técnica se utiliza a menudo para mitigar los gradientes de fuga en las RNN?

Accepted Answer

Recorte de gradientes

Answer

Regularización

Answer

Normalización por lotes

Question 36

¿Cuál es el propósito de la capa de salida en una RNN?

Accepted Answer

Convertir la salida de la capa RNN en una distribución de probabilidad

Answer

Regularizar el modelo

Answer

Almacenar estados ocultos

Question 37

¿Qué métrica se utiliza comúnmente para evaluar el rendimiento de las RNN en tareas de clasificación?

Accepted Answer

Precisión

Answer

Pérdida cuadrática media (para tareas de regresión)

Answer

Correlación de Pearson (para tareas de regresión)

Answer

AUC (Área Bajo la Curva)

Question 38

¿En qué se diferencia una red neuronal recurrente (RNN) de una red neuronal de avance (feedforward)?

Accepted Answer

Las RNN tienen conexiones recurrentes que les permiten procesar secuencias de datos.

Answer

Las RNN solo pueden procesar datos estáticos.

Answer

Las RNN utilizan diferentes funciones de activación.

Answer

Las RNN tienen más capas ocultas que las redes feedforward.

Question 39

El problema del desvanecimiento del gradiente en RNN ocurre cuando:

Accepted Answer

Los gradientes se vuelven muy pequeños durante el entrenamiento, dificultando el aprendizaje de información de secuencias largas.

Answer

Las RNN no pueden procesar información de secuencias largas.

Answer

Las RNN convergen demasiado rápido durante el entrenamiento.

Answer

Las RNN son incapaces de aprender patrones complejos en los datos.

Question 40

Una RNN bidireccional (BiRNN) permite a la red:

Accepted Answer

Procesar información de la secuencia en ambas direcciones (pasado y futuro).

Answer

Aumentar la velocidad de entrenamiento.

Answer

Manejar mejor los datos ruidosos.

Answer

Reducir el tamaño del modelo.

Question 41

En el contexto de RNN, el estado oculto:

Accepted Answer

Almacena información de la secuencia procesada hasta el momento actual.

Answer

Es el resultado de la última capa de la red.

Answer

Es un vector de pesos que se actualiza durante el entrenamiento.

Answer

Es una representación de la entrada actual.

Question 42

Para una tarea de traducción automática, se puede utilizar una arquitectura de RNN que:

Accepted Answer

Utiliza una RNN para codificar la frase de entrada y otra para decodificar la traducción.

Answer

Usa un algoritmo de búsqueda de correspondencia para traducir la frase.

Answer

Se basa en una red neuronal convolucional para la traducción.

Answer

Utiliza solo una RNN para procesar la frase de entrada y la salida.