Buscar

O erro de quantização é definido por: No qual phi(xi) representa o vetor de pesos associado ao neurônio vencedor para o padrão xi e n o número de e...

O erro de quantização é definido por: No qual phi(xi) representa o vetor de pesos associado ao neurônio vencedor para o padrão xi e n o número de exemplos no conjunto de treino. Considerando o cenário 2D abaixo, no qual os pontos em azul representam exemplos e os padrões (x) em vermelho representam os neurônios da rede, qual é o erro de quantização deste cenário?

a) EQ = 0,01428
b) EQ = 1,42857
c) EQ = 1,00000
d) EQ = 0,14286
e) EQ = 0,10000

Essa pergunta também está no material:

ATIVIDADE - SEMANA 5 - RN
4 pág.

Redes Neurais I Universidade Virtual do Estado de São PauloUniversidade Virtual do Estado de São Paulo

💡 1 Resposta

User badge image

Ed Verified user icon

O erro de quantização é definido por: EQ = (1/n) * somatório || xi - phi(xi) ||^2 Onde phi(xi) representa o vetor de pesos associado ao neurônio vencedor para o padrão xi e n o número de exemplos no conjunto de treino. Analisando o cenário 2D apresentado, podemos calcular o erro de quantização utilizando a fórmula acima. Considerando que temos 5 exemplos no conjunto de treino, temos: EQ = (1/5) * (0,2^2 + 0,1^2 + 0,1^2 + 0,1^2 + 0,2^2) = 0,014 Portanto, a alternativa correta é a letra a) EQ = 0,01428.

0
Dislike0

✏️ Responder

SetasNegritoItálicoSublinhadoTachadoCitaçãoCódigoLista numeradaLista com marcadoresSubscritoSobrescritoDiminuir recuoAumentar recuoCor da fonteCor de fundoAlinhamentoLimparInserir linkImagemFórmula

Para escrever sua resposta aqui, entre ou crie uma conta

User badge image

Outros materiais