Sobre modelos de otimização de redes neurais, assi...

Q: Sobre modelos de otimização de redes neurais, assinale a afirmativa incorreta.

A) O momento acumula pesos anteriores para estabilizar a convergência da rede; o objetivo é ajudar a desviar de mínimos locais e pode acelerar treinamento em regiões muito planas da superfície de erro. | B) A ideia da Regularização é adicionar um termo extra à função de custo. Intuitivamente, o efeito da regularização é fazer com que a rede prefira aprender pesos pequenos, minimizando a função de custo. | C) O gradiente descendente é um algoritmo de otimização de redes neurais em que a derivada da função de otimização leva a direção mais baixa do gráfico da função de custo. | D) O algoritmo de otimização ADAM guarda, além dos valores dos pesos passados, o decaimento exponencial da média de gradientes passados e possui o mesmo objetivo do momento. | E) A regularização L1 transforma valores pequenos em zeros e, consequentemente, permite reduzir o número de pesos, enquanto a regularização L2 procura manter todos os pesos pequenos de forma que maximiza a função de custo.

457941201455712

Ano: 2023Banca: FGVOrganização: CGE-SCDisciplina: Engenharia de SoftwareTemas: Inteligência Artificial

Sobre modelos de otimização de redes neurais, assinale a afirmativa incorreta.

Gabarito comentado

Anotações

Marcar para revisão

Sobre modelos de otimização de redes neurais, assinale a afirmativa...

Questões relacionadas para praticar

Sobre modelos de otimização de redes neurais, assinale a afirmativa...

Questões relacionadas para praticar