Inteligência Artificial

Outros

Assinale a alternativa que apresenta a camada utilizada para impedir o overfitting em um modelo de CNN. Camada Dropout.

Desvendando com Questões

ano passado

Desvendando com Questões

ano passado

Inteligencia Artificial

Inteligencia Artificial

AMPLI

Respostas

Ed

ano passado

A alternativa correta é: Camada Dropout. Essa camada é utilizada em redes neurais convolucionais (CNN) para prevenir o overfitting, desligando aleatoriamente uma fração das unidades durante o treinamento, o que ajuda a generalizar melhor o modelo.

Essa resposta te ajudou?

0

0

left-side-bubbles-background

right-side-bubbles-background

Crie sua conta grátis para liberar essa resposta. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Inteligencia Artificial

Inteligencia Artificial

AMPLI

Mais perguntas desse material

A partir da leitura do trecho, analise as assertivas a seguir: I – Para o autor, a ontologia estabelece a representação de um domínio para que seja compreensível por humanos e máquinas. II – A ontologia vem para explicar questões metafísicas em total desacordo com sua aplicação na Ciência da Computação. III – A ontologia não possui nenhuma correlação a Ciência da Computação, sendo de uso exclusivo ao campo da Filosofia. IV – Os sistemas de inteligência artificial precisam da definição formal e completa de todos os aspectos da ontologia, de forma que consigam processar as informações e resolver os problemas possam ser representados por seu uso. Agora, assinale a alternativa que apresenta a resposta correta:

Apenas as afirmativas I e IV estão corretas.

Considerando o contexto, avalie as afirmativas a seguir: I. Na IA fraca teríamos computadores que podem simular algumas tarefas realizadas pela mente humana. II. Na IA Fraca os computadores seriam autônomos e totalmente capazes de raciocínio e emoções. III. A IA Fraca centra a sua investigação na criação de inteligência artificial que não é capaz de verdadeiramente raciocinar e resolver problemas. Uma tal máquina com esta característica de inteligência agiria como se fosse inteligente, mas não tem autoconsciência ou noção de si. IV. O processamento de linguagem natural, é um tipo de IA Forte que trata de estudar e tentar reproduzir os processos de desenvolvimento que resultaram no funcionamento normal da língua. Muitos destes campos utilizam softwares específicos e linguagens de programação criadas para suas finalidades. É correto o que se afirma acerca da Inteligência Artificial em:

Apenas as afirmativas I, e III estão corretas.

Tomando como referência as aplicações das técnicas de Inteligência Artificial, julgue as afirmativas a seguir em (V) Verdadeiras ou (F) Falsas. ( ) Sistemas Especialistas baseados em regras são utilizados no desenvolvimento de sistemas de diagnóstico de falhas em hardware. ( ) Indução em Árvore de Decisão é utilizada para identificação de fraudes em cartões de crédito. ( ) Redes Neurais Artificiais são utilizadas no desenvolvimento de sistemas de análise de risco em aplicações financeiras. Assinale a alternativa que apresenta a sequência CORRETA:

V - V - V

A variável tamanho, possui qual categoria?

Quantitativa contínua

Com relação às técnicas de Deep Learning, faça a associação dos modelos contidos na coluna A com suas respectivas definições, apresentadas na coluna B. COLUNA A COLUNA B I. Perceptron 1. Técnica capaz de diferenciar objetos em uma imagem de entrada atribuindo pesos a várias características da imagem. II. Perceptron multicamadas (MLP) 2. Modelo em que as conexões entre os neurônios podem criar um ciclo, permitindo um comportamento dinâmico temporal. III. Rede Neural Convolucional (CNN) 3. Modelo que utiliza o princípio do neurônio MP e uma regra de aprendizagem para a solução de problemas. IV. Rede Neural Recorrente (RNN) 4. Rede neural densa do tipo feed-forward com uma ou mais camadas ocultas. Assinale a alternativa que apresenta a associação CORRETA entre as colunas.

I – 3, II – 4, III – 1, IV – 2.

A respeito dessas asserções, assinale a alternativa correta. I. Ambas as redes rasas e profundas são capazes de se encaixar em qualquer função, mas as redes rasas são preferidas hoje às redes profundas. PORQUE II. Redes rasas requerem muitos parâmetros, ao contrário de redes profundas que podem ajustar funções mesmo com um número limitado de parâmetros por causa de várias camadas.

A asserção I é uma proposição falsa e a II, verdadeira.

Considerando o contexto apresentado, é correto o que se afirma em: I - Muitas técnicas de processamento de imagem utilizam conceitos da Visão Computacional Clássica, como redimensionamento de imagens e rotação; II - Como a Visão Computacional clássica não usa técnicas de aprendizado profundo ela não pode ser usada em um sistema de reconhecimento de padrões; III - Rotacionar uma imagem pode ser útil para aumentar a base de dados e produzir imagens com ângulos diferentes, fornecendo a rede neural outra perspectiva sobre o mesmo problema. IV - Técnicas de aquisição de imagens não são abordadas pela Visão Computacional Clássica.

I e III apenas.

Assinale a alternativa que apresenta a associação CORRETA entre as colunas. A B 1 - Classificação A - É uma métrica de desempenho usada em sistemas de classificação. 2 - Regressão B - Diferentes instâncias do mesmo objeto são separadas com máscaras de pixels de cores diferentes. 3 - Acurácia C - Define de modo preciso a fronteira de separação entre duas classes distintas. 4 - Segmentação de Classe D - Com base nas característica extraídas, faz uma previsão de acordo com categorias previamente definidas. 5 - Segmentação de Instâncias E - Com base em preditores, faz uma previsão de um valor numérico contínuo, como um preço.

1-D; 2-E; 3-A; 4-C; 5-B.

Assinale a alternativa que apresenta corretamente as características do problema mencionado pelo gestor. "Precisamos desenvolver um sistema de Visão Computacional que identifica diversas frutas em uma esteira e faz a separação de acordo com o tipo (maça, banana, laranja, etc)".

Você irá trabalhar em um sistema de detecção de objetos e, por isso, deve usar classificação para prever valores discretos. A função de perda utilizada pode ser a categorical_accuracy.