Filtrar


Questões por página:
Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM.
Vanishing gradient e exploding gradient são duas condições que podem ser encontradas em redes RNN; o emprego de célula de memória busca mitigar a ocorrência dessas condições em redes LSTM.

Julgue os seguintes itens, a respeito de validação e avaliação de modelos de aprendizagem.


Se a medida de desempenho denominada precisão aplicada a um modelo de aprendizagem é baixa, deve-se desconfiar quando uma amostra for classificada como positiva, para evitar prejuízos decorrentes de erro na classificação realizada pelo modelo.

Julgue os seguintes itens, a respeito de validação e avaliação de modelos de aprendizagem.


A métrica de desempenho denominada acurácia aplicada a um modelo de aprendizagem para a classificação de múltiplas classes tem capacidade de avaliar o desempenho da rede para cada classe tratada de forma individualizada, além de ser capaz de apontar se há equilíbrio nas quantidades de verdadeiros positivos e verdadeiros negativos, para cada uma dessas classes.

Julgue os seguintes itens, a respeito de validação e avaliação de modelos de aprendizagem.


Quanto mais a área sob a curva denominada ROC (receiver operating characteristic) se aproxima de 1, melhor é o desempenho de um modelo de aprendizagem para classificação.

No que se refere a redes neurais, julgue os itens a seguir.


A técnica denominada dropout em redes neurais busca, entre outros objetivos, atuar na regularização da rede, podendo contribuir na mitigação de problemas causados por mínimos locais da função custo do modelo implementado pela rede.