Escolar Documentos
Profissional Documentos
Cultura Documentos
b)
Variei o número da camada escondida começando com 5 até 25 neurônios (com
passo de tamanho 1). O melhor modelo tem 17 neurônios na camada escondida.
Resultados na Figura 2.
1
Figure 2: MSE nos conjuntos de treino e teste variando a hidden layer
c)
Utilizando o melhor modelo encontrado acima(17 neurônios na camada escon-
dida), modifiquei a função perda para considerar regularização dos parâmetros,
treinando-o por mais 30 épocas. Resultados na Figura 3.
2
Figure 3: MSE do melhor modelo nos conjuntos de treino e teste
b)
Utilizando todos os dados do conjunto de teste obtive uma acurácia de 94.23%.
Resultado na figura 5.
3
c)
Nessa questão, testei os valores de ϵ ∈ {0.001, 0.01, 0.1, 1}. A ideia do exercı́cio é
verificar se a introdução de um ruı́do nos dados de treino pode tornar o modelo
mais robusto. Isso porque dessa forma a rede não poderia mais de basear em
pixeis arbitrários (evitar overfitting). Infelizmente tomei erro de StackOverflow
e não tenho os resultados.
d)
Introduzir imagens com ruı́do no conjunto de treino é uma das maneiras de se
proteger contra esse ataque.
4
3 Recurrent Neural Networks
a)
Escolhi a série temporal Air Passengers 1 . Destinei 70% dos dados para o con-
junto de teste e o restante para o conjunto de treinamento. Além disso, apliquei
a transformação log na série e em seguida tirei a primeira diferença.
b)
Código do treinamento em anexo.
c)
O treinamento ocorreu do modo esperado, pode-se observar um erro um pouco
maior no conjunto de teste. Porém, o comportamento dos erros parece ter
estabilizado.
d)
Fiz as previsões para o conjunto testes considerando a série transformada. O
resultado pode ser visto na figura 7.
5
Figure 7: Previsões para o conjunto teste