Uma rede neural é um programa de aprendizado de máquina que toma decisões utilizando processos que imitam a forma como os neurônios biológicos funcionam. Com relação ao funcionamento, à aplicação e à modelagem quando se utilizam redes neurais, verifica-se que A) as redes neurais profundas sempre convergem mais rapidamente do que redes neurais rasas devido à sua maior capacidade de modelagem. B) as redes neurais não podem ser utilizadas para problemas de regressão; elas são exclusivamente usadas para problemas de classificação. C) a função de ativação ReLU (Rectified Linear Unit) é preferida em redes neurais profundas porque ajuda a mitigar o problema do gradiente desaparecendo. D) a regularização em redes neurais, como o dropout, é usada para aumentar o sobreajuste (overfitting) ao treinamento. E) o treinamento de redes neurais é independente da função de ativação utilizada; qualquer função de ativação pode ser usada sem afetar o resultado.

E) o treinamento de redes neurais é independente da função de ativação utilizada; qualquer função de ativação pode ser usada sem afetar o resultado.

Questões Engenharia de Software

Uma rede neural é um programa de aprendizado de máquin...

Responda: Uma rede neural é um programa de aprendizado de máquina que toma decisões utilizando processos que imitam a forma como os neurônios biológicos funcionam.

1Q905767 | Engenharia de Software, Professor, BNDES, CESGRANRIO, 2024

Uma rede neural é um programa de aprendizado de máquina que toma decisões utilizando processos que imitam a forma como os neurônios biológicos funcionam.

Com relação ao funcionamento, à aplicação e à modelagem quando se utilizam redes neurais, verifica-se que

✂️ a) as redes neurais profundas sempre convergem mais rapidamente do que redes neurais rasas devido à sua maior capacidade de modelagem.
✂️ b) as redes neurais não podem ser utilizadas para problemas de regressão; elas são exclusivamente usadas para problemas de classificação.
✂️ c) a função de ativação ReLU (Rectified Linear Unit) é preferida em redes neurais profundas porque ajuda a mitigar o problema do gradiente desaparecendo.
✂️ d) a regularização em redes neurais, como o dropout, é usada para aumentar o sobreajuste (overfitting) ao treinamento.
✂️ e) o treinamento de redes neurais é independente da função de ativação utilizada; qualquer função de ativação pode ser usada sem afetar o resultado.