A abordagem utilizada nas redes convolucionais permite tratarmos os dados de forma multidimensional utilizando a ideia de convolução com filtros. Na verdade, a operação realizada na prática trata-se de uma correlação cruzada entre a entrada de um determinado layer com um filtro (kernel). Uma rede neural convolucional normalmente é formada por diferentes tipos de layer. Com relação aos diferentes tipos de layers de uma rede neural convolucional, avalie as definições a seguir identificando os tipos corretos de layers. Convolutional layer. Fully connected layer. Pooling layer. Extract layer. Está correto que se afirma em: a. I, II e IV, apenas. b. I e II, apenas. c. III, apenas. d. I, II e III, apenas. e. II e III, apenas.
More Questions From This User See All
Lista de comentários
A resposta correta é:
d. I, II e III, apenas.
Explicação:
Convolutional layer (Camada convolucional): Esta camada aplica operações de convolução nos dados de entrada usando filtros para extrair características importantes.
Fully connected layer (Camada totalmente conectada): Esta camada é responsável por conectar cada neurônio da camada anterior a cada neurônio da camada seguinte, o que é comum em redes neurais tradicionais.
Pooling layer (Camada de agrupamento): Esta camada reduz o tamanho espacial da representação, o que ajuda a reduzir o processamento computacional, além de controlar o overfitting (comportamento indesejável de aprendizado de máquina).
A "Extract layer" não é um termo padrão usado em redes neurais convolucionais, e portanto a afirmação IV não é correta. Portanto, a resposta correta é d. I, II e III, apenas.