Cuestionario sobre Redes Neuronales

El video explica cómo las redes neuronales, representadas por círculos y líneas, pueden aprender. Comienza con una introducción al funcionamiento de las neuronas biológicas y cómo se emula este proceso de manera artificial. Se detalla el funcionamiento de un perceptrón y su evolución a redes neuronales multicapa, abordando los problemas iniciales y las soluciones que llevaron a las redes actuales.

¿Qué representan los círculos y líneas en las redes neuronales?

• Neuronas y conexiones

• Planetas y órbitas

• Células y tejidos

• Átomos y moléculas

¿Cómo se activan las neuronas en el cerebro?

• Por estímulos eléctricos

• Por señales químicas

• Por ondas sonoras

• Por cambios de temperatura

¿Qué sucede cuando practicas una habilidad repetidamente?

• Las conexiones neuronales se debilitan

• Las conexiones neuronales se fortalecen

• Las neuronas se duplican

• Las neuronas se desconectan

¿Qué se intenta emular con las redes neuronales artificiales?

• El movimiento de los planetas

• El ciclo del agua

• El proceso de toma de decisiones humanas

• El proceso de fotosíntesis

¿Qué es un perceptrón en el contexto de redes neuronales?

• Un algoritmo de búsqueda

• Un sistema de almacenamiento de datos

• Un modelo matemático para decisiones

• Un tipo de célula cerebral

¿Qué papel juegan los pesos en un perceptrón?

• Regulan el flujo de datos

• Controlan la temperatura del sistema

• Ajustan la importancia de cada factor de entrada

• Determinan la velocidad de procesamiento

¿Cuál fue uno de los problemas iniciales con los perceptrones?

• Eran demasiado grandes

• Eran demasiado rápidos

• Requerían ajustes manuales complejos

• No podían almacenar datos

¿Cómo se solucionó el problema de ajustes manuales en redes neuronales?

• Con menos conexiones

• Con redes más pequeñas

• Con hardware más potente

• Con algoritmos de aprendizaje automático

¿Qué se busca lograr con una salida decimal en un perceptrón?

• Mayor precisión en las decisiones

• Menor consumo de energía

• Mayor velocidad de procesamiento

• Menor uso de memoria

¿Qué permitió el avance en redes neuronales después de 10 años de estancamiento?

• Reducción del tamaño de las redes

• Nuevas técnicas de ajuste de parámetros

• Desarrollo de nuevos lenguajes de programación

• Aumento de la capacidad de almacenamiento