Atividade Objetiva 04 - Implementação de Algoritmos de Machine Learning

Prévia do material em texto

Atividade Objetiva 04
Entrega Sem prazo Pontos 10 Perguntas 5
Limite de tempo Nenhum Tentativas permitidas Sem limite
Histórico de tentativas
Tentativa Tempo Pontuação
MANTIDO Tentativa 2 Menos de 1 minuto 8 de 10
MAIS RECENTE Tentativa 2 Menos de 1 minuto 8 de 10
Tentativa 1 9 minutos 6 de 10
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 8 de 10
Enviado 7 abr em 15:23
Esta tentativa levou Menos de 1 minuto.
Fazer o teste novamente
2 / 2 ptsPergunta 1
Não é um componente de uma rede neural:
 Mesh layer 
 Input layer 
 Hidden layer 
 Output layer 
0 / 2 ptsPergunta 2IncorretaIncorreta
https://pucminas.instructure.com/courses/64619/quizzes/219932/history?version=2
https://pucminas.instructure.com/courses/64619/quizzes/219932/history?version=2
https://pucminas.instructure.com/courses/64619/quizzes/219932/history?version=1
https://pucminas.instructure.com/courses/64619/quizzes/219932/take?user_id=165143
É um ponto fraco do Stochastic Gradient Descent
 Alta variância 
 Pode se prender a um mínimo local facilmente 
 
Necessita de muita memória para conter o gradiente do dataset inteiro 
 
Pesos precisam ser calculados após avaliar todo o dataset de treino 
2 / 2 ptsPergunta 3
Não é uma função de ativação
 CosH 
 Sigmoid 
 Softmax 
 ReLu 
 Tanh 
2 / 2 ptsPergunta 4
Qual a principal diferença entre uma rede neural convencional e uma
rede neural profunda?
 Número de hidden layers 
 Quantidade de dados para treinamento 
 Número de input layers 
 Funções de ativação 
2 / 2 ptsPergunta 5
 Max e pooling são etapas das redes neurais CNN que pré-processam
imagens de forma a representá-las eficientemente para a rede neural
 Verdadeiro 
 Falso 
Pontuação do teste: 8 de 10