Redes Neuronales

¿Qué garantiza el teorema de aproximación universal respecto a un MLP con una sola capa oculta?

• Puede aprender cualquier conjunto de datos perfectamente si tiene muchas épocas

• Puede aproximar cualquier función lineal sin importar la cantidad de neuronas

• Puede aproximar cualquier función continua si tiene suficientes neuronas en la capa oculta

• Puede clasificar perfectamente cualquier conjunto no lineal si tiene varias capas ocultas

¿Cuál de las siguientes funciones de activación es más común en capas ocultas hoy en día?

• Sigmoid

• Tanh

• Softmax

• ReLU

¿Qué técnica se usa para actualizar los pesos durante el entrenamiento de un MLP?

• Max pooling

• Backpropagation

• PCA

• Regularización L1

¿Qué representa el “learning rate”?

• La cantidad de datos por época

• El tamaño de la red neuronal

• La velocidad con la que se actualizan los pesos

• El número de capas ocultas

¿Qué problema puede causar la función sigmoide en redes profundas?

• Causa saturación y gradientes muy pequeños

• Aumenta la varianza de los pesos

• Requiere normalización explícita

• Solo funciona con clasificación multiclase

¿Cuál es la salida esperada de un MLP con función softmax en la capa final?

• Un número real

• Una distribución de probabilidades

• Un vector binario

• Un valor booleano

¿Cuál de las siguientes es una métrica interna que podría usarse para evaluar un clustering no supervisado, no un MLP?

• Accuracy

• Cross-entropy

• MSE

• Silhouette score

¿Qué representa el número total de parámetros en una red MLP?

• Pesos + sesgos (biases)

• Solo los pesos

• Pesos y funciones de activación

• Solo los nodos ocultos

¿Qué sucede si se usan demasiadas capas sin regularización?

• La red se vuelve más rápida

• Mejora la precisión automáticamente

• Disminuye la capacidad de generalización

• Aumenta la probabilidad de overfitting

¿Qué rol cumple el bias (sesgo) en una neurona?

• Reduce la cantidad de entrenamiento

• Permite desplazar la activación

• Ajusta el tamaño del batch

• Controla el número de épocas