O conceito de Rede de Crenças Profundas ou Deep Belief Network (DBN), aplicado em Aprendizagem Profunda ou Deep Learning (DL), possui diferenças em...

O conceito de Rede de Crenças Profundas ou Deep Belief Network (DBN), aplicado em Aprendizagem Profunda ou Deep Learning (DL), possui diferenças em relação às camadas da rede neural. Isto é em parte relacionado com a presença de Máquinas de Boltzmann Restritas ou Restricted Boltzmann Machines (RBMs). Considerando essas informações e o conteúdo estudado sobre Rede de Crenças Profundas ou Deep Belief Network (DBN), pode-se afirmar que há diferenças na DBN sobre as camadas da rede neural, porque:


1. na DBN, inexiste relação entre a camada inicial e a camada final.
2. na DBN, a camada inicial e a camada final possuem funções isoladas ao invés de funções conjuntas.
3. na DBN, os neurônios das camadas únicas comunicam-se lateralmente.
A) porque: são algoritmos recorrentes multi-escalares.
2. a camada convolucional de uma rede neural artificial é uma camada que possui apenas um neurônio, assim como as redes neurais convolucionais.
3. Correta: cada filtro (máscara) envolve o processo de convolução de imagem e o produto das matrizes (filtros e n-posição na imagem de mesmo tamanho do filtro).
4. eles dispensam o aprendizado sobre quais são as principais características das imagens, pois esse é um processo que tem que ser feito manualmente.
5. eles simulam uma RNA através de um processo de ativação de 47 dimensões de filtros.