Baixe o app para aproveitar ainda mais
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
Compartilhar