Questões
Pratique com questões de diversas disciplinas e universidades
6.098 questões encontradas(exibindo 10)
O que é a técnica de Dropout em redes neurais?
A técnica de dropout desativa aleatoriamente uma fração das unidades durante o treinamento, ajudando a prevenir overfitting.
O dropout é uma técnica de otimização que aumenta a taxa de aprendizado.
O dropout adiciona ruído aos dados de entrada para melhorar a generalização do modelo.
O dropout é uma técnica de redução de dimensionalidade.
O dropout realiza a seleção de variáveis mais importantes para o modelo.
Com relação aos conjuntos difusos, analise as sentenças a seguir:
I- As variáveis linguísticas são utilizadas frequentemente para determinar intervalos de valores dentro de um conjunto difuso.
II- A fuzzyficação é a etapa na qual valores numéricos são convertidos para valores linguísticos.
III- Os conjuntos difusos são a base para o funcionamento dos sistemas especialistas de lógica difusa.
IV- Ao representarmos um conjunto difuso em um gráfico, o grau de aderência de um ponto ao conjunto é determinado pela proximidade com o valor 0 do eixo y, ou seja, quanto mais próximo do 0, mais aderente ao conjunto.
Assinale a alternativa CORRETA:
Assinale a opção que NÂO apresenta uma função e competência do Subsistema de interface
A robótica de pesquisa avançada frequentemente explora novas fronteiras em inteligência artificial. Qual das seguintes áreas de pesquisa é uma tendência crescente na robótica?
Robôs que não interagem com humanos.
Robôs que podem improvisar e aprender em tempo real.
Robôs que operam exclusivamente em ambientes controlados.
Robôs com funções limitadas.
Qual das seguintes práticas é considerada mais eficaz para reduzir a quantidade de resíduos plásticos nos oceanos?
Incentivar o uso de sacolas plásticas biodegradáveis
Implementar políticas de coleta seletiva de resíduos
Promover campanhas de conscientização sobre a redução do uso de plásticos descartáveis
Aumentar a produção de produtos plásticos recicláveis
Assinale a alternativa que contém a sequência CORRETA.
O que caracteriza o algoritmo de Random Forest?
Ele cria uma única árvore de decisão robusta a partir de múltiplos dados de treinamento.
Ele utiliza múltiplas árvores de decisão, combinando suas previsões para melhorar a precisão e reduzir o overfitting.
Ele utiliza um único conjunto de dados de treinamento para gerar vários modelos de classificação.
Ele é um algoritmo não supervisionado que realiza clustering de dados.
Ele é eficaz apenas em problemas de regressão.
A tomada de decisão complexa faz com que os agentes precisem tratar os problemas de raciocínio incerto através de camadas adicionais. Qual alternativa apresenta uma destas estratégias para decidir a melhor combinação de variações nas decisões apresentada no capítulo 4? Escolha uma opção:
Qual a principal característica dos modelos de aprendizado profundo?
Eles são modelos simples com poucos parâmetros.
Eles utilizam redes neurais profundas para modelar relações complexas nos dados.
Eles são usados apenas para dados tabulares.
Eles funcionam bem apenas em dados não estruturados.
Eles não requerem grandes volumes de dados para treinamento.