86% confiançaEmbora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado. Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e “-1” para SUV médio. Utilize como pesos sinápticos iniciais v = [0,2 | -0,15; 0,14 -0,03] e v0 = [0,24 -0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do terceiro ciclo é igual a:adalineaprendizado-supervisionadointeligencia-artificial
77% confiançaEmbora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado. Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizado igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e “-1” para SUV médio. Utilize como pesos sinápticos iniciais v = [0,21 −0,15; 0,14 −0,03] e v0 = [0,24 −0,1]. As grandezas estão em escalas diferentes e é recomendável a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do segundo ciclo é igual a:adalineaprendizado-supervisionadointeligencia-artificial
74% confiançaTreine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e −1 para SUV médio. Utilize como pesos sinápticos iniciais v = [0,01; −0,25; 0,14; −0,13] e v0 = [0,24; −0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do segundo ciclo é igual a:adalineaprendizado-supervisionadointeligencia-artificial
86% confiançaEmbora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado (tabela abaixo). Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo '1' para SUV compacto e '-1' para SUV médio. Utilize como pesos sinápticos iniciais v = [-0,1 -0,5; 0,1 -0,03] e v0 = [-1 0,04 -0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos v após o término do primeiro ciclo é igual a:adalineaprendizado-supervisionadoredes-neurais