Redes neurais recorrentes (RNNs) são modelos de
aprendizado profundo treinados para reconhecer padrões
em dados sequenciais (texto, imagens, genomas,
caligrafia, palavra falada ou dados de séries numéricas),
em que componentes se inter-relacionam com base em
regras complexas de semântica e sintaxe. São
características das redes neurais recorrentes:
Para implementar inovações no processo de decisão de
sentenças judiciais, um analista do TJ-AC decidiu pelo uso
da Tradução Automática Neural (do inglês, Neural Machine
Translation - NMT) após comparar diferentes técnicas de
Processamento de Linguagem Natural (PLN). As
vantagens dessa técnica em relação à Tradução
Automática Estatística (do inglês, Statistic Machine
Translation - SMT) são:
A ferramenta de projeto utilizada para apoiar a
implementação incremental de modelos dimensionais de
áreas de negócio distintos compartilhando dimensões
padronizadas em um Data Warehouse Corporativo é:
As características inerentes ao Big Data implicam a
necessidade de um sistema de armazenamento,
gerenciamento e análise que seja flexível, de forma a se
adaptar facilmente aos dados sem comprometer o
desempenho. Dentre as soluções, o Data Warehouse (DW)
tem como características:
No processo de otimização de redes neurais artificiais,
diferentes métodos e técnicas são utilizados para
determinar os melhores parâmetros do aprendizado. Para
reduzir o overfitting, uma das técnicas amplamente
utilizadas é a regularização, que apresenta como
características: