FC ConcursosFC Concursos

Questão FC369917

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 pree

Inteligência Artificial (IA)

FGV · 2024

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

  1. I, apenas.
  2. II, apenas.
  3. I e III, apenas.
  4. II e III, apenas.
  5. I, II e III.
Mostrar resposta e comentário

Gabarito

A

Comentário do professor

A afirmativa I está correta porque o algoritmo backpropagation baseia‑se na regra da cadeia para calcular, de forma sistemática, os gradientes do erro em relação aos pesos da rede.

Durante a passagem forward calcula‑se saída e valores intermediários; na passagem backward usa‑se a regra da cadeia para encadear derivadas parciais, por exemplo: \(\frac{\partial L}{\partial w}=\frac{\partial L}{\partial a}\frac{\partial a}{\partial z}\frac{\partial z}{\partial w}\), onde \(L\) é a função de perda, \(a\) a ativação e \(z\) o somatório antes da ativação.

Esse procedimento permite propagar erros camada a camada e reaproveitar derivadas locais (uma forma de programação dinâmica), fornecendo os gradientes necessários para atualizar os pesos pelos algoritmos de otimização.

Conteúdo do catálogo FC Concursos · Atualizado em

Continue aprendendo