Considerando as técnicas de modulação analógicas e digitais, julgue os itens subsequentes.  
Na modulação PSK, o erro de um símbolo ocorre devido a uma alteração na fase ou na amplitude dos fasores pertencentes à modulação. 

Considerando as técnicas de modulação analógicas e digitais, julgue os itens subsequentes. 

Na modulação FSK, quando a informação estiver no nível lógico 1, será transmitida a frequência cossenoidal da portadora; quando estiver no nível lógico 0, será transmitido um sinal de amplitude zero.  

Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM. 
Entre duas camadas convolucionais de uma CNN, a aplicação de pooling permite aumentar a dimensionalidade da rede e controlar o overfitting.  

Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM. 
Em uma rede CNN, a dimensão do mapa de ativação em determinada camada depende, entre outros hiperparâmetros da rede, dos parâmetros denominados stride e dilation; uma rede CNN pode possuir diversas camadas convolucionais, e cada uma dessas camadas pode ser formada por diversos mapas de ativação.  

Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM.  
Vanishing gradient e exploding gradient são duas condições que podem ser encontradas em redes RNN; o emprego de célula de memória busca mitigar a ocorrência dessas condições em redes LSTM.

Julgue os seguintes itens, a respeito de validação e avaliação de modelos de aprendizagem. 

Se a medida de desempenho denominada precisão aplicada a um modelo de aprendizagem é baixa, deve-se desconfiar quando uma amostra for classificada como positiva, para evitar prejuízos decorrentes de erro na classificação realizada pelo modelo.  

Julgue os seguintes itens, a respeito de validação e avaliação de modelos de aprendizagem. 

A métrica de desempenho denominada acurácia aplicada a um modelo de aprendizagem para a classificação de múltiplas classes tem capacidade de avaliar o desempenho da rede para cada classe tratada de forma individualizada, além de ser capaz de apontar se há equilíbrio nas quantidades de verdadeiros positivos e verdadeiros negativos, para cada uma dessas classes. 

Julgue os seguintes itens, a respeito de validação e avaliação de modelos de aprendizagem.

Quanto mais a área sob a curva denominada ROC (receiver operating characteristic) se aproxima de 1, melhor é o desempenho de um modelo de aprendizagem para classificação.  

No que se refere a redes neurais, julgue os itens a seguir.  

Em uma rede neural com múltiplas camadas, a inserção do nó denominado bias visa garantir a regularização da rede. 

No que se refere a redes neurais, julgue os itens a seguir. 

A arquitetura de uma rede neural pode ser construída para a resolução de problema de regressão logística com múltiplas classes, ajustando-se, entre outros elementos dessa arquitetura, a camada de saída da rede neural com quantidade de nós igual à quantidade de classes do problema.  

Julgue os itens subsequentes, a respeito de regressão logística. 

Na regressão logística por meio de aprendizado supervisionado, o emprego de função custo do tipo erro quadrático médio busca transformar a regressão em um problema convexo, para o qual algoritmos embasados em gradiente possuem a vantagem de garantir convergência quase-quadrática, o que acelera o processo de aprendizado.

Julgue os itens subsequentes, a respeito de regressão logística. 

O algoritmo de minimização da função custo do processo de aprendizado supervisionado aplicado à regressão logística com a hipótese do modelo definida a partir da função sigmoide não é imune ao overfitting, que pode ser mitigado por meio de técnica de regularização. 

Acerca de autoencoders, julgue os próximos itens. 

Em uma rede autoencoder, o elemento encoder tem por finalidade representar dados de entrada da rede em um espaço de representação latente, enquanto o elemento decoder busca reconstruir os dados originais de entrada, a partir desse espaço de representação latente. 

Acerca de autoencoders, julgue os próximos itens.

Quanto menor for a dimensão do espaço de representação latente de um autoencoder, maior será a sua capacidade de regenerar a informação da entrada em sua saída.  

Em relação ao aprendizado supervisionado aplicado a problemas de regressão linear, julgue os itens que se seguem. 
A técnica denominada gradient descent é aplicável à minimização da função custo no processo de aprendizado supervisionado para regressão linear; nela se determina, a cada iteração do processo de aprendizado, uma aproximação de segunda ordem da função custo, por meio de uma expansão de Taylor, necessitando-se, assim, da determinação numérica do jacobiano da função custo, calculado com base nos parâmetros do modelo a ser ajustado.  

Em relação ao aprendizado supervisionado aplicado a problemas de regressão linear, julgue os itens que se seguem.  
Na regressão linear por meio de aprendizado supervisionado com o emprego da técnica denominada stochastic gradient descent, em cada iteração do processo de minimização da função custo, todas as amostras do conjunto de treinamento são utilizadas no ajuste do modelo a ser determinado. 

        Considere que os elementos constituintes de um problema de classificação tratado por meio da teoria da decisão incluam: o conjunto H de todas as hipóteses possíveis h_i ∈ H, para i = 1, 2, 3, ...; o espaço S de observações, constituído pelos dados r observáveis do problema, modelados por meio de variável aleatória; e o conjunto D de todas as decisões d_j ∈ D possíveis de serem tomadas depois de observado um elemento r de S, para j = 1, 2, 3, ... 
Considerando a teoria da decisão aplicada a problemas de classificação como o descrito, julgue os itens seguintes.
Quando a regra da máxima probabilidade a posteriori(MAP – maximum a posteriori probability) é aplicada aproblemas de decisão, em que a decisão d_j é tomada ao sesupor verdadeira a hipótese h_i, busca-se minimizar aprobabilidade de erro de decisão, decidindo-se por d_j se,dado que r é observado, a probabilidade condicional de h_i serverdadeira é maior ou igual que a probabilidade condicionalde h_k ser verdadeira, para k ≠ i.  

        Considere que os elementos constituintes de um problema de classificação tratado por meio da teoria da decisão incluam: o conjunto H de todas as hipóteses possíveis h_i ∈ H, para i = 1, 2, 3, ...; o espaço S de observações, constituído pelos dados r observáveis do problema, modelados por meio de variável aleatória; e o conjunto D de todas as decisões d_j ∈ D possíveis de serem tomadas depois de observado um elemento r de S, para j = 1, 2, 3, ... 
Considerando a teoria da decisão aplicada a problemas de classificação como o descrito, julgue os itens seguintes.  
A probabilidade de erro na tomada de decisão de um classificador embasado na regra de decisão de máxima verossimilhança é igual à probabilidade de erro na tomada de decisão de um classificador embasado na regra da máxima probabilidade a posteriori, desde que haja equiprobabilidade na ocorrência dos dados observáveis do problema.  

Acerca das técnicas de processamento de sinais de áudio e voz, julgue os itens a seguir. 

As bandas críticas são faixas de frequência em que a percepção de qualidade subjetiva de áudio por humanos é mais sensível, ensejando maior alocação de bits na codificação. 

Acerca das técnicas de processamento de sinais de áudio e voz, julgue os itens a seguir. 

A análise cepstral é um método para investigar estruturas periódicas na forma de onda do sinal de voz.