Questões de Tecnologia da Informação - Redes Neurais

o recorte de gradiente;

as células de memória com mecanismos de gating;

os mecanismos de atenção;

as conexões de salto;

as camadas de Max-pooling

realização de uma Grid Search, explorando sistematicamente os valores de hiperparâmetros predefinidos para identificar a combinação ideal para maximizar o desempenho do modelo;

utilização de uma Busca Aleatória, amostrando aleatoriamente o espaço de hiperparâmetros, oferecendo uma abordagem mais eficiente para o ajuste de hiperparâmetros em comparação com os métodos exaustivos;

implementação de uma Validação Cruzada K-fold, particionando o conjunto de dados em K subconjuntos para treinar e avaliar iterativamente o modelo, fornecendo uma avaliação robusta de seu desempenho de generalização;

aplicação de métodos Ensemble, combinando vários modelos para aproveitar suas diversas forças, visando a melhorar o desempenho geral, particularmente quando os modelos individuais apresentam diferentes tipos de erros;

utilização de uma Feature Scaling, normalizando a escala das características de entrada para garantir comparações justas entre diferentes variáveis, o que é particularmente benéfico para algoritmos sensíveis a diferenças de escala.

PCA → t-SNE → KNN;

UMAP → KNN;

t-SNE → HDBSCAN → K-Means;

UMAP → HDBSCAN;

K-Means -> t-SNE.

I, apenas.

I e II, apenas.

I e III, apenas.

II e III, apenas.

I, II e III.