Questão FC213571
Em um projeto de desenvolvimento de um sistema de visão computacional para identificar e classificar diferentes tipos de objetos em imagens de tráfego urbano, uma equipe de engenhe
Inteligência Artificial (IA)
CESGRANRIO · 2024
Em um projeto de desenvolvimento de um sistema de visão computacional para identificar e classificar diferentes tipos de objetos em imagens de tráfego urbano, uma equipe de engenheiros optou por utilizar uma rede neural. Para garantir eficiência computacional e uma eficaz propagação do gradiente durante o treinamento do modelo, cada nó da rede foi implementado utilizando a função de ativação ReLU.
A propriedade principal da função ReLU é
- subtrair o viés do nó do valor de entrada.
- calcular o valor máximo entre a entrada e o valor do viés associado ao nó.
- transformar a entrada de acordo com a curva logística.
- transformar a entrada em um, se for positiva, e em zero, se for negativa.
- transformar em zero os resultados negativos, mantendo os outros valores.
Mostrar resposta e comentário
Gabarito
Errado
Comentário do professor
Alternativa correta (E): transformar em zero os resultados negativos, mantendo os outros valores.
A função de ativação ReLU (Rectified Linear Unit) é definida por \(f(x)=\max(0,x)\).
Isso significa que:
- Se \(x>0\), a saída é \(x\) (o valor é mantido).
- Se \(x\le 0\), a saída é \(0\) (os valores negativos são zerados).
Exemplo rápido: para entradas \(-2, 0, 3\) as saídas são \(0, 0, 3\), respectivamente.
Em termos de treinamento, essa propriedade gera ativação esparsa e ajuda na propagação do gradiente, pois o gradiente é simples e não se satura: \(f'(x)=1\) para \(x>0\) e \(f'(x)=0\) para \(x<0\) (no ponto \(x=0\) pode-se definir uma convenção).
Por isso, a ReLU é eficiente computacionalmente e favorece a convergência em redes profundas, mantendo exatamente o comportamento descrito pela alternativa correta.
Conteúdo do catálogo FC Concursos · Atualizado em