Carregando...
Carregando...
Ajude a melhorar a plataforma
As primeiras Redes Neurais Artificiais, conhecidas por RNAs, das quais podemos citar como exemplo o Percetron e a Adaline, possuíam um único neurônio como a sua unidade básica de processamento. No entanto, essa configuração com um único neurônio possui a capacidade de classificar apenas as classes linearmente separáveis. A partir de duas camadas intermediárias, já é possível aproximar funções não lineares, desde que sejam utilizados neurônios suficientes. Com base nas informações apresentadas, identifique se são Verdadeiras (V) ou Falsas (F) as afirmações a seguir, que definem características das funções não lineares relacionadas às suas camadas. ( ) Na primeira camada, cada neurônio aprende uma função que define uma conexão. ( ) Na segunda camada, cada neurônio combina um conjunto de conexões definidas pela camada anterior, formando regiões convexas. ( ) Na terceira camada, os neurônios combinam um conjunto de regiões convexas em regiões de formato arbitrário. Assinale a alternativa que apresenta a sequência correta .
Explique melhor esta questão
Abre o Tutor com o enunciado e as alternativas já no campo — você revisa e envia.
Esta questão foi verificada por um de nossos administradores.
JUSTIFICATIVA A afirmativa I é falsa, pois na primeira camada ( layer ), cada neurônio utilizado aprende uma função que define um hiperplano, lembrando que as soluções de classificação possuem a seguinte forma: wx + b. A afirmativa II é falsa, pois na segunda camada ( layer ), cada neurônio combina não apenas um, mas um conjunto de hiperplanos definidos pela camada anterior, formando regiões convexas. A afirmativa III é verdadeira, visto que na terceira e última camada ( layer ), os neurônios utilizados combinam um conjunto de regiões convexas em regiões de formato totalmente arbitrário.