Buscar

A definição de uma rede MLP é um processo bastante empírico e demanda customização da topologia da rede (hiperparâmetros: número de camadas, número...

A definição de uma rede MLP é um processo bastante empírico e demanda customização da topologia da rede (hiperparâmetros: número de camadas, número de neurônios por camadas, taxas de aprendizagem e momentum etc.) a partir da sua resposta durante o processo de treinamento (projeto do modelo). Quais das heurísticas abaixo podem ser utilizadas para melhorar o desempenho do algoritmo de retropropagação?

A) Maximização do conteúdo da informação, escolha adequada da função de ativação, normalização dos dados e ajuste da taxa de aprendizagem conforme a densidade de entradas do neurônio.
B) Redução do conjunto de exemplos para treinamento, escolha adequada da função de ativação, normalização dos dados e ajuste da taxa de aprendizagem conforme a densidade de entradas do neurônio.
C) Redução do conjunto de exemplos para treinamento, escolha adequada da função de ativação, normalização dos dados e aumento do valor da taxa de aprendizagem.
D) Escolha adequada da função de ativação, normalização dos dados e inclusão de laços de realimentação.
E) Maximização do conteúdo da informação, redução do conjunto de exemplos para treinamento, utilização de funções de ativação lineares e ajuste da taxa de aprendizagem conforme a densidade de entradas do neurônio.

Essa pergunta também está no material:

RN Sem3 Ativ10
8 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

A heurística que pode ser utilizada para melhorar o desempenho do algoritmo de retropropagação em uma rede MLP é a alternativa A) Maximização do conteúdo da informação, escolha adequada da função de ativação, normalização dos dados e ajuste da taxa de aprendizagem conforme a densidade de entradas do neurônio. A escolha adequada da função de ativação, a normalização dos dados e o ajuste da taxa de aprendizagem são importantes para garantir que a rede esteja aprendendo de forma eficiente e que os pesos estejam sendo atualizados de forma adequada. Além disso, a maximização do conteúdo da informação pode ajudar a garantir que a rede esteja capturando as informações mais relevantes dos dados de entrada.

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