SóProvas

ID
5279716
Banca
Marinha
Órgão
Comando do 2º Distrito Naval
Ano
2020
Provas
Disciplina
Banco de Dados
Assuntos

Assinale a opção que apresenta o parâmetro que em uma rede neural, define a velocidade do processo de treinamento até que seja alcançada a sua convergência, sabendo que esse parâmetro deve ser escolhido com cuidado, para que se evite instabilidade no processo treinamento.

Alternativas
Comentários

  • (A) LIMIAR DE ATIVAÇÃO

    O neurônio artificial funciona a partir de sete elementos:

    1. Sinais de entrada
    2. -> Advindos do meio externo; Usualmente normalizados
    3. Pesos sinápticos
    4. -> Valores que servirão para ponderar cada variável de entrada
    5. Combinador linear
    6. -> Possui a função de agregar os sinais de entrada que foram ponderados pelos pesos sinápticos para produzir um valor de potencial de ativação
    7. LIMIAR DE ATIVAÇÃO
    8. -> Variável que especifica qual será o patamar apropriado para que o resultado produzido pelo combinador linear possa gerar um valor de disparo em direção à saída do neurônio
    9. Potencial de ativação
    10. -> Resultado obtido pela diferença do valor produzido entre o combinador linear e o limiar de ativação
    11. Função de ativação
    12. -> Tem o objetivo de limitar a saída do neurônio dentro de um intervalo de valores razoáveis
    13. Sinal de saída
    14. -> Consiste no valor final produzido pelo neurônio em relação a um determinado conjunto de sinais de entrada

    (B) NÚMERO DE CAMADAS

    Basicamente, uma rede neural pode ser dividia em três partes, denominadas camadas.

    1. Camada de entrada
    2. Responsável pelo recebimento de informações (dados)
    3. Camada escondidas / intermediárias / ocultas / invisíveis
    4. Responsabilidade de extrair as características associadas ao processo.
    5. Camada de saída
    6. Responsável pela produção e apresentação dos resultados finais

    (C) TAXA DE APRENDIZAGEM

    3.4 - Processo de treinamento do Perceptron

    "[...] A taxa de aprendizagem {ᶯ} exprime o quão rápido o processo de treinamento da rede estará sendo conduzido ruma à sua convergência (estabilização). A escolha de ᶯ deve ser realizada com cautela para evitar instabilidade no processo de treinamento, sendo que normalmente se adotam valores pertencentes ao intervalo compreendido em 0 < ᶯ < 1 ." p.64

    4.3 - Processo de treinamento do Adaline

    "[...] Assim como no Perceptron, a taxa de aprendizagem {ᶯ} exprime o quão rápido o processo de treinamento da rede estará rumando em direção ao ponto de minimização da função erro quadrático, sendo que normalmente se adotam valores pertencentes ao intervalo compreendido em 0 < ᶯ < 1." p.79

    FONTE: DA SILVA, SPATTI, FLAUZINO. Redes Neurais Artificiais para engenharia e ciências aplicadas curso prático. 2010

    OBS.:Tá de sacanagem né!?

    "Os covardes nunca tentam, os fracos ficaram no meio do caminho, e somente os fortes venceram."

    Hineid Dahab