Questão nº 51

Questão de Tecnologia da Informação · FGV TRF1 2024 (nº 51)

FGV2024Analista Judiciário - Análise de DadosTecnologia da Informação
Gabarito: Cver comentário ↓

Em uma rede neural artificial feedforward usada para a classificação de documentos no TRF-1, um dos neurônios de uma camada intermediária possui o seguinte vetor de pesos na entrada: 𝑊= [2, −1, ln⁡(5/8)⁡,1/2⁡]. Para uma determinada instância a ser classificada, o vetor de entradas para esse neurônio é 𝐼= [ln⁡(2/3), ln⁡(1/2),1, ln⁡(9/25)], sem a presença de bias.
Sabendo que o neurônio possui como função de ativação a função sigmoide, o valor de saída do neurônio será:

Resposta comentada

Gabarito Alternativa C

Um neurônio artificial calcula a soma ponderada de suas entradas (cada entrada multiplicada por um peso correspondente) e, em seguida, aplica uma função de ativação a essa soma para produzir sua saída. A função de ativação sigmoide transforma qualquer valor real em um valor entre 0 e 1, útil para classificação binária ou como portão em camadas intermediárias.

Para resolver a questão, seguimos dois passos:

  1. Calcular a soma ponderada (net input): z=(Wi×Ii)z = \sum (W_i \times I_i).
  2. Aplicar a função de ativação sigmoide: saıˊda=σ(z)=11+ezsaída = \sigma(z) = \frac{1}{1 + e^{-z}}.

Cálculo da soma ponderada (zz):
Os vetores são W=[2,1,ln(5/8),1/2]W= [2, −1, \ln⁡(5/8)⁡,1/2⁡] e I=[ln(2/3),ln(1/2),1,ln(9/25)]I= [\ln⁡(2/3), \ln⁡(1/2),1, \ln⁡(9/25)].
z=(2×ln(2/3))+(1×ln(1/2))+(ln(5/8)×1)+(1/2×ln(9/25))z = (2 \times \ln(2/3)) + (-1 \times \ln(1/2)) + (\ln(5/8) \times 1) + (1/2 \times \ln(9/25))

Usando as propriedades dos logaritmos (aln(b)=ln(ba)a \ln(b) = \ln(b^a) e ln(a)+ln(b)=ln(a×b)\ln(a) + \ln(b) = \ln(a \times b)):

  • 2ln(2/3)=ln((2/3)2)=ln(4/9)2 \ln(2/3) = \ln((2/3)^2) = \ln(4/9)
  • 1ln(1/2)=ln((1/2)1)=ln(2)-1 \ln(1/2) = \ln((1/2)^{-1}) = \ln(2)
  • ln(5/8)×1=ln(5/8)\ln(5/8) \times 1 = \ln(5/8)
  • 1/2ln(9/25)=ln((9/25)1/2)=ln(9/25)=ln(3/5)1/2 \ln(9/25) = \ln((9/25)^{1/2}) = \ln(\sqrt{9/25}) = \ln(3/5)

Agora, somamos os termos:
z=ln(4/9)+ln(2)+ln(5/8)+ln(3/5)z = \ln(4/9) + \ln(2) + \ln(5/8) + \ln(3/5)
z=ln((4/9)×2×(5/8)×(3/5))z = \ln( (4/9) \times 2 \times (5/8) \times (3/5) )
z=ln((4×2×5×3)/(9×8×5))z = \ln( (4 \times 2 \times 5 \times 3) / (9 \times 8 \times 5) )
z=ln(120/360)z = \ln( 120 / 360 )
z=ln(1/3)z = \ln( 1/3 )

Aplicação da função sigmoide:
saıˊda=11+ezsaída = \frac{1}{1 + e^{-z}}
Substituindo z=ln(1/3)z = \ln(1/3):
saıˊda=11+eln(1/3)saída = \frac{1}{1 + e^{-\ln(1/3)}}

Usamos a propriedade eln(x)=eln(x1)=x1=1/xe^{-\ln(x)} = e^{\ln(x^{-1})} = x^{-1} = 1/x.
Portanto, eln(1/3)=1/(1/3)=3e^{-\ln(1/3)} = 1/(1/3) = 3.

saıˊda=11+3saída = \frac{1}{1 + 3}
saıˊda=14saída = \frac{1}{4}

(A) Incorreta: O valor de 3/83 não é obtido por nenhum erro comum na aplicação das propriedades de logaritmos ou da função sigmoide.
(B) Incorreta: O valor de 3/80 não é obtido por nenhum erro comum na aplicação das propriedades de logaritmos ou da função sigmoide.
(C) Correta: O valor de saída do neurônio é 1/4, conforme calculado pela soma ponderada das entradas e aplicação da função de ativação sigmoide, utilizando corretamente as propriedades dos logaritmos.
(D) Incorreta: O valor de 3/10 não é obtido por nenhum erro comum na aplicação das propriedades de logaritmos ou da função sigmoide.
(E) Incorreta: Esta é a alternativa mais tentadora. Um erro comum seria esquecer de aplicar a potência na primeira parcela da soma ponderada, ou seja, calcular 2ln(2/3)2 \ln(2/3) como ln(2/3)\ln(2/3) em vez de ln((2/3)2)=ln(4/9)\ln((2/3)^2) = \ln(4/9). Se esse erro fosse cometido, a soma ponderada seria z=ln((2/3)×2×(5/8)×(3/5))=ln(60/120)=ln(1/2)z = \ln( (2/3) \times 2 \times (5/8) \times (3/5) ) = \ln(60/120) = \ln(1/2). Aplicando a sigmoide a z=ln(1/2)z = \ln(1/2), teríamos saıˊda=1/(1+eln(1/2))=1/(1+2)=1/3saída = 1 / (1 + e^{-\ln(1/2)}) = 1 / (1 + 2) = 1/3.

Fonte: FGV TRF1 2024 Analista Judiciário - Análise de Dados (Caderno Tipo 1). Reproduzida para fins de estudo.

Continue estudando

Estudar é izi

Pratique milhares de questões como esta, de graça, com explicação e gamificação no Quizinho.

Estudar de graça no Quizinho