Baixe o app para aproveitar ainda mais
Prévia do material em texto
Em algumas implementações do Perceptron a camada de saída contém apenas um neurônio, que produz uma única saída. Em outras, é possível que a camada de saída seja expandida e que, por consequência, seja possível classificar dados em problemas com mais de duas classes combinando as saídas dos diferentes neurônios ou, ainda, codificar a saída para representar várias classes. Descrição da imagem não disponívelQual o mínimo de neurônios necessários para essa classificação? Explique como chegou à quantidade apresentada e de que forma os dados são representados. Padrão de resposta esperado Utilizando neurônios para expressar valores de 0 ou 1 (dois estados), a combinação de saídas com dois destes será a multiplicação direta das possibilidades de cada neurônio individualmente: 2 . 2 = 4. Assim as quatro classes podem ser facilmente representadas pela combinação de resultados de dois neurônios com saídas binárias. O resultado no entanto deve ser compreendido como um valor único, adotando um dos neurônios como sendo o bit mais significativo e o outro o de menor valor significativo. Cada combinação irá corresponder a uma classe. - Classe 1: 00 (baixo). - Classe 2: 01 (médio). - Classe 3: 10 (alto). - Classe 4: 11 (muito alto). A camada de entrada vai receber valores reais correspondentes às taxas de alfabetização, de saneamento e renda. As entradas devem ser normalizadas, por possuírem intervalos distintos e o valor da renda exceder as demais entradas, o que acabaria suprimindo o impacto destas. Sendo assim, podem ser utilizados três neurônios na camada de entrada, um para cada variável, e ao menos uma camada oculta que permita relacionar os dados de forma não linear, se for o caso.
Compartilhar