Geral
Redes Neurais
Semana 7
0

Questão

As Redes Neurais Recorrentes (RNNs) são especialmente úteis para modelar dados sequenciais, onde a ordem dos dados é crucial. Considere uma sequência de dados temporais, como séries temporais financeiras, sequências de texto ou dados de sensores. As RNNs processam esses dados mantendo informações ao longo da sequência, o que lhes permite capturar dependências temporais e contextuais nos dados.



Selecione a alternativa correta sobre o funcionamento das RNNs.
A) As RNNs não são capazes de processar séries temporais contínuas e precisam que os dados sejam discretizados previamente.
B) As RNNs processam dados sequenciais, mas cada passo no tempo é considerado independentemente dos outros.
C) As RNNs utilizam variáveis de estado para armazenar informações anteriores, o que permite que o modelo utilize o histórico da sequência.
D) As RNNs são eficazes apenas para dados de imagem e não são aplicáveis a dados textuais ou temporais.
E) As RNNs não conseguem lidar com a dependência temporal dos dados, necessitando de modelos adicionais para tal.
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/1930/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': 'Foki1VPqTM96eCJbQor6rTV7SOqaW5zMEnpJdvu3X7t5FtchKUfWF2FsGOLF6paI' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${questaoId}`).textContent = data.score; const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`); const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`); upBtn.classList.remove('active-up'); downBtn.classList.remove('active-down'); if (data.user_vote === 1) upBtn.classList.add('active-up'); if (data.user_vote === -1) downBtn.classList.add('active-down'); } }); }