Redes Neurais Conceitos Básicos Flashcards

Estudo

1
Q

O que são Redes Neurais Artificiais (RNAs)?

A

São estruturas compostas por várias unidades simples, chamadas neurônios artificiais, que estão densamente interconectadas. Elas são inspiradas na estrutura e funcionamento do cérebro humano.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Quais são as três camadas principais de uma Rede Neural Artificial?

A

As três camadas principais são: Camada de Entrada, Camada Escondida (ou Intermediária) e Camada de Saída.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Qual é a função da Camada de Entrada em uma RNA?

A

A Camada de Entrada recebe os dados diretamente do ambiente externo, servindo como ponto de entrada das informações na rede.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

O que é uma Camada Escondida?

A

É uma camada intermediária em uma RNA que processa as entradas e aplica funções de ativação, permitindo que a rede capture padrões complexos nos dados.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Qual é a função da Camada de Saída em uma RNA?

A

A Camada de Saída gera a resposta final da rede após o processamento dos dados através das camadas escondidas.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

O que é um Perceptron?

A

É o modelo mais simples de uma RNA, utilizado para resolver problemas de classificação linear. Ele consiste em uma única camada de neurônios que processa entradas ponderadas e gera uma saída.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Como funciona o treinamento de um Perceptron?

A

O Perceptron ajusta seus pesos com base no erro da previsão em relação ao valor esperado, iterativamente até que o erro seja minimizado.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

O que é uma Rede Multilayer Perceptron (MLP)?

A

É uma extensão do Perceptron simples, formada por múltiplas camadas de neurônios, permitindo a modelagem de relações não lineares.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Qual é o papel das Camadas Intermediárias em uma MLP?

A

As Camadas Intermediárias processam as entradas e aplicam funções de ativação para capturar padrões complexos, transmitindo os resultados para a camada de saída.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

O que é o treinamento por Backpropagation?

A

É um algoritmo de aprendizado supervisionado que ajusta os pesos das conexões entre neurônios com base no erro calculado na camada de saída.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Quais são as duas fases do treinamento por Backpropagation?

A

As duas fases são: Passo para Frente (Forward Pass) e Passo para Trás (Backward Pass).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

O que acontece durante o Passo para Frente no Backpropagation?

A

As entradas são propagadas através da rede até a camada de saída, onde a previsão é gerada.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

O que acontece durante o Passo para Trás no Backpropagation?

A

O erro calculado na camada de saída é propagado de volta através da rede, ajustando os pesos para minimizar o erro.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

O que é o Método do Gradiente Descendente?

A

É um algoritmo de otimização que ajusta os pesos da rede para minimizar a função de perda, seguindo o gradiente da função em direção ao mínimo.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

O que é a Taxa de Aprendizado em Backpropagation?

A

A Taxa de Aprendizado controla o tamanho dos ajustes nos pesos durante o treinamento, podendo ser fixa ou adaptativa.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

O que é o Método Adam?

A

Adam é um método de otimização que adapta a taxa de aprendizado para cada peso individualmente, combinando as vantagens do SGD com o método de aceleração por momentos.

17
Q

Qual é o objetivo do treinamento por Backpropagation?

A

O objetivo é encontrar um conjunto de pesos que minimize a função de perda, resultando em uma rede que generalize bem para novos dados.

18
Q

O que são Mínimos Locais?

A

Mínimos Locais são pontos na superfície de erro onde a função de custo atinge um valor mínimo, mas que não é o menor valor possível (mínimo global).

19
Q

Como os Mínimos Locais afetam o treinamento?

A

Se a rede fica presa em um mínimo local, ela pode não atingir o desempenho ótimo, resultando em uma solução subótima.

20
Q

Quais estratégias podem ser usadas para evitar Mínimos Locais?

A

Estratégias como reinicialização aleatória, taxa de aprendizado variável, uso de métodos avançados como Adam, e simulated annealing podem ajudar a evitar mínimos locais.

21
Q

O que é a Parada Antecipada (Early Stopping)?

A

É uma técnica para interromper o treinamento quando o erro no conjunto de validação começa a aumentar, evitando o sobreajuste.

22
Q

O que é Overfitting?

A

Overfitting ocorre quando o modelo aprende detalhes e ruídos específicos do conjunto de treinamento, resultando em desempenho ruim em novos dados.

23
Q

Como evitar Overfitting em Redes Neurais?

A

Técnicas como parada antecipada, validação cruzada, regularização e uso de conjuntos de validação ajudam a evitar o overfitting.

24
Q

O que é uma Função de Perda?

A

É uma função que mede a diferença entre as previsões da rede e os valores reais, guiando o processo de treinamento para minimizar o erro.