Questão FC369940
Assimilação de dados profunda (Deep Data Assimilation - DDA) é uma técnica recente que integra aprendizado profundo e assimilação. Utiliza-se uma rede neural recorrente para aprend
Inteligência Artificial (IA)
FGV · 2024
Assimilação de dados profunda (Deep Data Assimilation - DDA) é uma técnica recente que integra aprendizado profundo e assimilação.
Utiliza-se uma rede neural recorrente para aprender o processo de assimilação, que por sua vez é treinada a partir dos estados de um sistema dinâmico e de seus resultados de assimilação correspondentes. Tais redes neurais recorrentes são implementadas com o uso de funções de ativação, que introduzem não linearidades às saídas dos neurônios das redes.
Assinale a opção que menos se adequa às características esperadas para funções de ativação.
- Softmax.
- Sigmoid.
- Transformação Afim.
- Tangente Hiperbólico.
- Unidade Linear Retificada (Rectified Linear Unit – ReLU).
Mostrar resposta e comentário
Gabarito
Certo
Comentário do professor
Transformação Afim refere-se a funções da forma \(f(x)=Ax+b\). Apesar de úteis em camadas lineares, elas não introduzem não linearidade nas redes.
Ao compor várias camadas afins obtém-se outra afim: \(f_1(f_2(x))=A_1(A_2x+b_2)+b_1=(A_1A_2)x+(A_1b_2+b_1)\). Assim, uma rede inteira reduziria a uma única transformação linear, perdendo expressividade.
Para tarefas como Deep Data Assimilation, é essencial que as funções de ativação quebrem a linearidade para modelar dinâmicas complexas e permitir aprendizado de relações não lineares entre estado e observação.
Portanto, a característica menos adequada é ser uma transformação afim, pois ela não cumpre o papel fundamental de introduzir não linearidades.
Conteúdo do catálogo FC Concursos · Atualizado em