PIA07 - Programación de Inteligencia Artificial 2026

Al aplicar una capa de max-pooling no se puede utilizar stride. ¿Verdadero o Falso?. Verdadero. Falso.

¿Qué efecto tiene poner un parámetro strides = 2 en la capa convolucional?. El filtro se irá desplazando saltando dos pixeles. El filtro tendrá dimensiones 2x2. El mapa de salida será de dimensiones 2x2. Ninguna de las anteriores.

¿Qué redes han revolucionado el campo del procesamiento de lenguaje natural?. Redes neuronales convolucionales. Redes neuronales recurrentes. Redes Bayesianas. Redes de Pier-Lussac.

En la operación convolucional, el mapa de salida es: Un tensor de 2 o más dimensiones. Un vector de tantos elementos como pixeles tenga la imagen de entrada. Un escalar resultado de la suma de todos los pixeles de la imagen de entrada. No hay salida en este tipo de operaciones.

El funcionamiento de una red neuronal convolucional se acerca bastante al funcionamiento de: Una operación de giro y traslación. La operación de separación de canales de color. Un filtro. Ninguna de las anteriores.

La capa de max-pooling no afecta ni modifica la dimensión de profundidad de la red. ¿Verdadero o Falso?. Verdadero. Falso.

¿Qué técnica se utiliza para evitar el efecto borde en la operacion convolucional?. Batch Normalization. Regularización. Categorización. Padding.

¿Qué tipo de modelo combina dos redes que compiten en un juego de suma cero?. Modelos convolucionales. Modelos recurrentes. Modelos clásicos. Modelos generativos adversarios o GAN.

¿Qué clase de Keras nos permite instanciar una capa neuronal recurrente?. RecurrentLayer. ResNet. SimpleRNN. Dense.

La capa max-pooling se añade para aumentar el número de nodos de la red y hacerla así más potente. ¿Verdadero o Falso?. Verdadero. Falso.

La principal ventaja de las redes neuronales convolucionales es que se establece un orden jerárquico en las capas o bloques a la hora de reconocer elementos de una imagen. ¿Verdadero o Falso?. Verdadero. Falso.

¿Las redes convolucionales pueden reconocer patrones independientemente del espacio?. Sí, reconocen objetos en una imagen si esa imagen se usó en el entrenamiento. No. Solo reconocen patrones completos de una imagen. Sí, aunque en el entrenamiento no hubiese imágenes con un objeto en una esquina de la imagen, la red puede reconocer el objeto en una esquina de una imagen nueva. No, las redes convolucionales no sirven para reconocimiento de imagen.

"Feature Extraction" es una técnica en la que utilizamos un modelo pre-entrenado para extraer los patrones principales que dicho modelo detecta en las imágenes que le estamos pasando. ¿Verdadero o Falso?. Verdadero. Falso.

En un modelo convolucional, ¿qué es necesario añadir a las capas convolucionales y de pooling?. Algunas capas neuronales de tipo Dense al final. Nada. El modelo está completo solo con esos dos tipos de capas. Una capa de tipo recurrente en el centro justo de la red. Ninguna de las anteriores.

¿Qué parámetro hace que la red convolucional produzca un “desdoble” o aumento de número de coeficientes en el modelo?. epochs. units. output_depth. stride.

¿Qué estamos utilizando si importamos el módulo VGG19 en Keras?. Normalización. Regularización. Un modelo pre-entrenado. Dropout.

En la operación convolucional, utilizamos: Una constante que se va multiplicando por cada pixel). Una matriz de las mismas dimensiones que la imagen de entrada. Un vector con todo ceros menos un uno en la posición correspondiente a la posición de la imagen dentro del dataset. Una ventana o matriz que se va desplazando sobre la imagen y aplicando producto tensorial sobre los píxeles de la ventana en cada posición.

¿A qué se refiere el parámetro de “profundidad” en una capa convolucional?. Al número de filtros que se van a aplicar sobre la misma imagen y que dará lugar a ese número de imágenes filtradas de salida. Al alto de la imagen. Al ancho de la imagen. Ninguna de las anteriores.

¿Cuál es la clase, en Keras, que nos permite incluir una capa de tipo convolucional?. ConvolutionalLayer. ConvNet. Conv2D. CL.

¿De qué dimensiones suelen ser las ventanas que se usan en las capas convolucionales?. 10x10. 3x3 o 5x5. 1x1. No se usa ninguna ventana en la operación convolucional.

¿Qué redes han revolucionado el campo del reconocimiento de imagen y visión artificial?. Redes neuronales convolucionales. Redes neuronales recurrentes. Redes Bayesianas. Redes de Pier-Lussac.

La operación convolucional genera un mapa de nuevas variables aplicando una misma transformación a parches de variables del mapa de entrada. ¿Verdadero o Falso?. Verdadero. Falso.

¿Qué caracteriza a una neurona de una red neuronal con recurrencia?. Utiliza como variables de entrada, no solo las de salida de la capa anterior, sino también su propia salida en la etapa temporal de cómputo anterior. Siempre aplica los mismos pesos, recurrentemente. Se activa de forma permanente, independientemente de los valores de las variables de entrada. Ninguna de las anteriores.

¿Qué es necesario añadir entre el bloque convolucional y las capas tipo Dense en un modelo convolucional?. Un modelo de tipo regresión logística. Una capa de tipo Flatten, para pasar de tensor a vector. Un punto de reseteo del modelo. Ninguna de las anteriores.

¿Cuál es el efecto que provoca que la imagen de salida sea de menores dimensiones que la de entrada?. El efecto de Coriolis. El efecto borde. El efecto mariposa. Ninguna de las anteriores.

En Keras, ¿qué clase nos permite instanciar una capa max-pooling?. M-pool. MaxPooling2D. No es una clase porque no es una capa del modelo. El max-pooling se aplica por defecto, sin tener que instanciar nada.

En el “Fine-tunning” utilizamos un modelo pre-entrenado, que será entrenado de nuevo, congelando las capas de la red neuronal que ponemos al final. ¿Verdadero o Falso?. Verdadero. Falso.

¿Como se denominan las redes que se combinan en una red GAN?. Red convolucional y red densa. Generador y Discriminador. Red derecha y red izquierda. Ninguna de las anteriores.

Las capas de tipo convolucional no llevan función de activación. ¿Verdadero o Falso?. Verdadero. Falso.

Otro efecto que se evita gracias a las capas max-pooling es la pérdida de información del contorno de la imagen. ¿Verdadero o Falso?. Verdadero. Falso.

¿Cómo llamamos a la técnica de añadir bordes artificiales a las imágenes para que la operación de convolución no reduzca el tamaño de la imagen de salida?. Stride. Depth. Padding.

La capa de max-pooling se añade para mantener el número de coeficientes limitado y evitar así el overfitting. Verdadero. Falso.

En las redes neuronales recurrentes, las neuronas solo trabajan con las entradas de la capa previa. Verdadero. Falso.