Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Uma rede neural profunda pode apresentar baixo erro no conjunto de treinamento e desemp...
Uma rede neural profunda pode apresentar baixo erro no conjunto de treinamento e desempenho insatisfatório em dados não vistos, mesmo após múltiplas épocas de treinamento. Nesse contexto, considerando restrições que preservam a arquitetura fundamental do modelo, a estratégia que atua de forma mais adequada sobre o fenômeno descrito é
A
o aumento da taxa de aprendizado combinado à supressão de funções de ativação, o qual reduz a variância do modelo, promovendo melhor capacidade de generalização.
B
a introdução de mecanismos de regularização, dropout durante o treinamento e interrupção antecipada baseada no erro de validação, que atua diretamente na redução do sobreajuste.
C
a diminuição do conjunto de dados de treinamento, associada ao aumento do número de épocas, favorecendo a estabilização do erro de validação, ao limitar a capacidade de memorização do modelo.
D
a substituição de métodos iterativos de otimização por estratégias de busca exaustiva, garantindo a convergência global e eliminando discrepâncias entre erro de treinamento e validação.
E
a exclusão da camada de saída durante o treinamento, o que permite que as camadas internas aprendam representações mais gerais, reduzindo o erro de generalização.