Questões de Madaline

Explore questões resolvidas de Madaline. Acesse respostas e explicações detalhadas para estudar e evoluir.

78% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos: (-1, 8) → Norte; (-2, -4) → Sul. Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo: Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [−0,1; 0,2; 0,1; 0,3] e v0 = [0,4; −0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado madaline redes-neurais
88% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos (Tabela 1). Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo (Fórmula 1). Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [-0,1; 0,2; 0,1; 0,3] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado inteligencia-artificial madaline
78% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos: (Abscissa, Ordenada, Região) = (-1, 4, Norte) e (5, -5, Sul). Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo (codificação bipolar). Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [-0,1; 0,2; 0,1; 0,3] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizagem-supervisionada madaline perceptronadaline
78% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos (ver tabela). Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo (ver tabela). Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [-0,1; 0,2; 0,1; 0,3] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado inteligencia-artificial madaline
78% confiança
Considere o problema da função lógica "E", cuja tabela de valores lógicos é mostrada a seguir. Treine uma RNA do tipo Madaline, usando o algoritmo de aprendizado da regra delta generalizada e considerando o uso da função degrau binária com limiar igual a 0,5 e taxa de aprendizado igual a 0,1. Utilize como pesos sinápticos iniciais v = [[0,2 -0,1],[0 0,2]] e v0 = [0,02 -0,1]. Os vetores de pesos sinápticos após o término do terceiro ciclo são iguais a:
aprendizado-supervisionado inteligencia-artificial madaline
78% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos: Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo: Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [ -0,1; 0,2; 0,1; 0,3 ] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado madaline redes-neurais
78% confiança
Considere o problema da função lógica "E", cuja tabela de valores lógicos é mostrada a seguir. Treine uma RNA do tipo Madaline, usando o algoritmo de aprendizagem da regra delta generalizada e considerando o uso da função degrau binária com limiar igual a 0,5 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [[-0,42 −0,22],[0,01 −0,42]] e v0 = [0,29 −0,41]. Os vetores de pesos sinápticos após o término do primeiro ciclo são iguais a:
aprendizado-supervisionado madaline redes-neurais-artificiais
74% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos (ver tabela). Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo (ver figura). Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [-0,1; 0,2; 0,1; 0,3] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizagem-supervisionada madaline redes-neurais-artificiais