Questão Resolvida: Aprendizado Profundo (Univesp) - Semana 5

Geral

Aprendizado Profundo

Semana 5

Questão

Os Autoencoders Variacionais (VAEs) são modelos generativos que se destacam por sua capacidade de aprender representações latentes dos dados. Diferentemente dos Autoencoders tradicionais, os VAEs introduzem uma camada adicional de complexidade ao representar as entradas não como pontos únicos, mas como distribuições probabilísticas. Este processo, que envolve tanto a codificação quanto a decodificação dos dados, é fundamental para garantir que o espaço latente seja bem-estruturado e permita a geração de novos exemplos semelhantes aos dados de treinamento. O treinamento de um VAE envolve várias etapas interconectadas, que garantem a regularização e a eficácia do modelo na reconstrução dos dados iniciais.

Diante disso, identifique e associe corretamente as etapas do processo de codificação e decodificação de um Autoencoder Variacional com suas respectivas descrições. Considere que nem todos os itens das colunas podem possuir associação ou podem possuir mais de uma correlação.

Etapas do Processo Descrições

I. Codificação da entrada como uma distribuição no espaço latente. A. Um ponto no espaço latente é escolhido a partir da distribuição, permitindo a variação e regularização do espaço latente.

II. Amostragem de um ponto do espaço latente a partir da distribuição codificada. B. A entrada é transformada em uma distribuição (em vez de um único ponto) no espaço latente, caracterizada por uma média e uma matriz de covariância.

III. Decodificação do ponto amostrado para calcular o erro de reconstrução. C. O erro entre a entrada original e a saída reconstruída é calculado e usado para ajustar os parâmetros da rede.

IV. Retropropagação do erro de reconstrução pela rede. D. A representação amostrada no espaço latente é convertida de volta para o espaço original, e a saída é comparada com os dados iniciais.

Assinale a alternativa que contém a associação correta.

A) I-A; II-C; III-B; IV-D.

B) I-B; II-D; III-A; IV-C.

C) I-D; II-A; III-C; IV-B.

D) I-B; II-A; III-D; IV-C.

E) I-C; II-B; III-D; IV-A.

Etapas do Processo	Descrições
I. Codificação da entrada como uma distribuição no espaço latente.	A. Um ponto no espaço latente é escolhido a partir da distribuição, permitindo a variação e regularização do espaço latente.
II. Amostragem de um ponto do espaço latente a partir da distribuição codificada.	B. A entrada é transformada em uma distribuição (em vez de um único ponto) no espaço latente, caracterizada por uma média e uma matriz de covariância.
III. Decodificação do ponto amostrado para calcular o erro de reconstrução.	C. O erro entre a entrada original e a saída reconstruída é calculado e usado para ajustar os parâmetros da rede.
IV. Retropropagação do erro de reconstrução pela rede.	D. A representação amostrada no espaço latente é convertida de volta para o espaço original, e a saída é comparada com os dados iniciais.