O treinamento em redes neurais artificiais é, essencialmente, um
problema de otimização, em que se busca minimizar o erro entre
as predições do modelo neural e os valores alvo preexistentes no
conjunto de dados de treinamento.
Com respeito aos métodos relacionados à otimização de
parâmetros em redes neurais artificiais, analise as afirmativas a
seguir.
I. No algoritmo backpropagation, a aplicação da regra da cadeia
é fundamental para o cálculo dos gradientes dos erros com
respeito aos pesos (parâmetros) da rede neural artificial.
II. O método do gradiente (também chamado de método do
máximo declive ou Gradient Descent – GD) escolhe
aleatoriamente um pequeno número de instâncias de dados
de treinamento a cada passo, aumentando a velocidade inicial
de minimização das métricas de erro.
III. As técnicas de regularização L1 (Lasso) e L2 (Ridge) podem ser
utilizadas para mitigar problemas relacionados a inicialização
indevida de pesos (parâmetros) em redes neurais.
Está correto o que se afirma em