96% confiançaDeterminada empresa, ao realizar um programa de aceleração, selecionou fintechs que já trabalham na análise de fraudes em sistemas de cartão de crédito. Uma das premissas adotadas para a seleção foi a de que a fintech tivesse experiência em redes multilayer perceptrons. Nesse contexto, perceptron é:aprendizado-de-maquinainteligencia-artificialperceptron
74% 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. Entrada 1 da RNA (Largura (m)) e Entrada 2 da RNA (Distância entre eixos (m)) e Saída da RNA (Categoria): - 1,726; 2,521; Sedan compacto - 1,730; 2,550; Sedan compacto - 1,780; 2,701; Sedan médio - 1,807; 2,688; Sedan médio Treine uma RNA do tipo Perceptron de camada simples, 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 0,1. Considere o valor esperado da saída da rede como sendo 1 para sedan compacto e “-1” para sedan médio. Utilize como pesos sinápticos iniciais v = [– 0,07 0,26] e v0 = 0,01. 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. Os vetores de pesos sinápticos após o término do terceiro ciclo são iguais a:inteligencia-artificialperceptronredes-neurais
18% confiançaConsidere o problema em classificar pontos no plano cartesiano como sendo do Nordeste ou do Sudoeste. Para tanto, treine uma RNA do tipo Perceptron de camada simples, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos: Abscissa Ordenada Região 2 0,5 Nordeste 0,3 3 Nordeste – 2,5 – 0,8 Sudoeste – 0,4 – 1,8 Sudoeste Considere Noroeste como valor 1 e sudeste como valor – 1, função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [0,3 0,1] e v0 = 0,35. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:inteligencia-artificialperceptronredes-neurais